Filter
  • Zeitbezug (2828)
    -
  • Frequenz (438)
  • Kategorien
  • Datenanbieter
  • Art des Zugangs
  • Lizenzen
Alles zurücksetzen

4232 Datensätze

Straßen

Alles zurücksetzen

Neuzulassungen von Personenkraftwagen (Pkw) nach Segmenten und Modellreihen im Jahr 2016 (FZ11)

Durch die Mitteilungen der Zulassungsbehörden in Deutschland registriert das Kraftfahrt-Bundesamt (KBA) im Zentralen Fahrzeugregister (ZFZR) alle in Deutschland neu zugelassenen Fahrzeuge. Übermittelt werden neben den fahrzeugbezogenen Daten, wie zum Beispiel Marke, Modellreihe, Kraftstoffart, Fahrzeugaufbau auch Angaben zum Halter und zum Zulassungsvorgang, wie zum Beispiel der Tag der Zulassung.
Im FZ 11 werden neben den monatlichen Neuzulassungen von Pkw auch die bis einschließlich des Berichtsmonats neu zugelassenen Fahrzeuge des Gesamtjahres nach Segmenten und Modellreihen sowie die Anteile der gewerblichen Halter ausgewiesen. Weiterhin wird der Anteil der einzelnen Modellreihe am Segment sowie die Veränderung zum Vorjahresmonat und Vorjahreszeitraum in Prozent dargestellt. Veränderungswerte zum Vorjahresmonat bzw. -zeitraum, die über 500 Prozent liegen, werden mit X ausgewiesen. Mit dem Ziel einer übersichtlichen Darstellung werden Abschneidegrenzen gebildet.
Veröffentlicht wird der jeweilige Berichtsmonat.

Straßen
Bereitgestellt durch

Kraftfahrt-Bundesamt (KBA)

Art des Datenzugangs

Dateidownload / Portal

Aktualität der Datensatzbeschreibung

Mon Mar 06 11:04:53 GMT 2023

Zeitbezug der Daten

Thu Dec 31 23:00:00 GMT 2015 — Fri Dec 30 23:00:00 GMT 2016

Aktualisierungsfrequenz

Monatlich

Raumbezug

Neuzulassungen von Personenkraftwagen (Pkw) nach Segmenten und Modellreihen im Jahr 2021 (FZ 11)

Durch die Mitteilungen der Zulassungsbehörden in Deutschland registriert das Kraftfahrt-Bundesamt (KBA) im Zentralen Fahrzeugregister (ZFZR) alle in Deutschland neu zugelassenen Fahrzeuge. Übermittelt werden neben den fahrzeugbezogenen Daten, wie zum Beispiel Marke, Modellreihe, Kraftstoffart, Fahrzeugaufbau auch Angaben zum Halter und zum Zulassungsvorgang, wie zum Beispiel der Tag der Zulassung.
Im FZ 11 werden neben den monatlichen Neuzulassungen von Pkw auch die bis einschließlich des Berichtsmonats neu zugelassenen Fahrzeuge des Gesamtjahres nach Segmenten und Modellreihen sowie die Anteile der gewerblichen Halter ausgewiesen. Weiterhin wird der Anteil der einzelnen Modellreihe am Segment sowie die Veränderung zum Vorjahresmonat und Vorjahreszeitraum in Prozent dargestellt. Veränderungswerte zum Vorjahresmonat bzw. -zeitraum, die über 500 Prozent liegen, werden mit X ausgewiesen. Mit dem Ziel einer übersichtlichen Darstellung werden Abschneidegrenzen gebildet.
Veröffentlicht wird der jeweilige Berichtsmonat.

Straßen
Bereitgestellt durch

Kraftfahrt-Bundesamt (KBA)

Art des Datenzugangs

Dateidownload / Portal

Aktualität der Datensatzbeschreibung

Mon Mar 06 11:04:53 GMT 2023

Zeitbezug der Daten

Thu Dec 31 23:00:00 GMT 2020 — Thu Dec 30 23:00:00 GMT 2021

Aktualisierungsfrequenz

Monatlich

Raumbezug

OPA_TAD: Verkehrsprognosen für das BAB-Netz in NRW

Das durch die Förderinitiative mFund gefördertes Projekt OPA_TAD stellt eine Big-Data-Plattform zur Verfügung, die sowohl private als auch offene Daten nicht nur speichern, sondern auch Analyseaufträge abarbeiten kann. Als eine Demoanwendung werden auf der Plattform Verkehrsprognosen für das Netz der Bundesautobahnen in NRW erstellt.

Dieser Datensatz liefert die erstellten Verkehrsprognosen. Für einzelne Zählstellen bzw. Straßenabschnitte werden unter anderem folgende Informationen bereitgestellt:

- Prognosezeitpunkt
- Koordinaten
- prognostizierte Reisegeschwindigkeit
- prognostizierte Verkehrsstärke
- Tempolimit
- Straßenabschnittslänge
- Kapazität des Straßenabschnitts
- Auslastung nach dem Handbuch für die Bemessung von Straßenverkehrsanlagen (HBS)
- erweiterte Auslastung
- Auslastungsbewertung nach HBS
- erweiterte Auslastungsbewertung
- prognostizierte Reisezeitverzögerung

Die Prognosen werden jede Stunde für die nächsten 7 Tage erstellt. Alle Metadaten können unter https://map.opa-tad.de/ im Hilfebereich eingesehen werden (Fragezeichen unten links).

Im Link können die Parameter "westLongitude", "eastLongitude", "southLatitude", "northLatitude" für die Auswahl der erforderlichen Region angepasst werden. Parameter "from" und "to" regeln den Zeitraum der Prognose.

Authentifizierung: BasicAuth
Username:mcloud@opa-tad.de
Password: EPWXqjhNuvm3uZLH47

mFUND-Projekt: OPA_TAD, FKZ: 19F2047A

Straßen
Bereitgestellt durch

Bochumer Institut für Technologie gGmbH

Art des Datenzugangs

Portal / API

Aktualität der Datensatzbeschreibung

Mon Mar 06 11:04:53 GMT 2023

Zeitbezug der Daten

Sun May 31 22:00:00 GMT 2020 —

Aktualisierungsfrequenz

Kontinuierlich

Raumbezug

OSIMAB - Online-Sicherheits-Managementsystem für Brücken

Im Projekt OSIMAB erfolgt die Entwicklung eines ganzheitlichen Konzepts für die Überwachung und Zustandsbewertung von Straßenverkehrsbrücken im Bestand, wodurch ein Grundstein für ein prädiktives Lebenszyklusmanagement gelegt werden soll. Das Projekt beinhaltet ein modular aufgebautes Sicherheitsmanagement und betreibt mit der Talbrücke Sachsengraben auf der A45 ein Reallabor, das mit 145 aktiven Sensoren umfangreiche Messdatenbestände liefert. Anhand dieser Messdaten werden Systemmodelle, bzw. FE-Modelle, kalibriert, die in Kombination mit einem rein datengetriebenen Ansatz, bzw. einer Smart Data Analyse, den Bauwerkszustand erfassen und kontinuierlich dessen Entwicklung aufzeigen. Die darauf aufbauende Zuverlässigkeitsanalyse liefert schließlich eine sicherheitsäquivalente Bewertung, auf deren Basis die erkannten Risiken bewertet und Handlungsempfehlungen gegeben werden können.

Die hier bereitgestellten Datensätze (osimab_sample.zip) beinhalten einen Auszug der erfassten Messdaten des Demonstrator-Bauwerks, bzw. der Talbrücke Sachsengraben auf der A45. Zur Messtechnikausstattung der Brücke gehören piezoelektrische Beschleunigungsaufnehmer (BA / ACC), elektrische Dehnmessstreifen (DMS / SG), induktive Wegaufnehmer (WA), Neigungsaufnehmer (NA / INC) sowie Temperatursensoren (T).

Die Dokumente HBM OSIMAB Demonstrator Sensors.pdf (hochauflösender Lageplan der messtechnischen Ausstattung: Übersicht und Widerlager), readme.md (Anmerkungen und Kommentare zu ausgewählten Datensätzen: u.a. Dateiname, Verwendungszweck, Abtastfrequenz, Dauer, Datum, Uhrzeit) und Messkonzept_OSIMAB_Demonstrator.docx erläutern die hier bereitgestellten Datensätze umfassend.

Das Messkonzept erläutert neben der verwendeten Sensorik auch die Hintergründe und den Nutzen der messtechnischen Ausstattung und gibt zudem Einblicke in das Management, die Analyse sowie Auswertung der erfassten Messdaten.

FKZ: 19F2017A

Straßen
Bereitgestellt durch

Bundesanstalt für Straßenwesen (BASt)

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

Mon Mar 06 11:04:53 GMT 2023

Zeitbezug der Daten

Mon Aug 31 22:00:00 GMT 2020 — Sun Sep 06 22:00:00 GMT 2020

Aktualisierungsfrequenz

Niemals

Raumbezug

Sensordaten 18.02.2020

Dieser Datensatz enthält die Daten der Smartphone-Sensoren einer Fahrt mit einem PKW im Raum Saarbrücken am 18.02.2020.
Das Smartphone ist ein Google Pixel 3a, welches während der gesamten Fahrt per Halterung an der Windschutzscheibe des Fahrzeugs angebracht war.

mFUND-Projekt: DatEnKoSt, FKZ: 19F2090B

Straßen
Bereitgestellt durch

Cyface GmbH

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

Mon Mar 06 11:04:53 GMT 2023

Zeitbezug der Daten

Mon Feb 17 23:00:00 GMT 2020

Aktualisierungsfrequenz

Niemals

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

Mon Mar 06 11:04:53 GMT 2023

Zeitbezug der Daten

Wed Dec 18 23:00:00 GMT 2019 —

Aktualisierungsfrequenz

Kontinuierlich

Raumbezug

Störfallprognose im Strassengüterverkehr

Im Projekt SLIDE wurden Daten von LKW-Touren (Plan‐ und Ist‐Daten) mit weiteren relevanten Daten aus externen Portalen, wie bspw. Baustelleninformationen, Verkehrsauslastung, TMC‐Meldungen oder Wettervorhersagen, kombiniert. Die veredelten Daten wurden anschließend bzgl. eingetretener Störfälle und deren Ursachen analysiert. Aufbauend auf der Datenanalyse wurden verschiedene Störfallmodelle berechnet. Die Modelle ermöglichen die Vorhersage von Störfällen für LKW-Touren in Abhängigkeit bestimmter Tour-Merkmale.

mFUND-Projekt: SLIDE, FKZ: VB18F1049A

Straßen
Bereitgestellt durch

Digital System Integration UG

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

Mon Mar 06 11:04:53 GMT 2023

Aktualisierungsfrequenz

Niemals

Raumbezug

Straßenzustands-Quantile Stadt Kempten

Der Datensatz enthält Schädigungswerte, welche den Straßenzustand der Stadt Kempten beschreiben. Erfasst wurden Straßenabschnitte, welche durch den Linienbusverkehr befahren werden. Die Erfassung erfolgte anhand hochfrequenter Beschleunigungswerte über 3 Monate im Jahre 2021. Die Länge der Auswerteabschnitte beträgt 100m. Diese Beschleunigungswerte wurden mittels eines Bewertungsalgorithmus in Schädigungswerte überführt und abschließend anhand festgelegter Quantile klassiert.

Quantile:
VeryLowLoad 0.000000
LowLoad 0.030000
Load 0.300000
HeavyLoad 10000000000.000000
ExtremeLoad 100000000000.000000

Die Erfassung erfolgte an der Fahrzeugachse ("extern") und im Fahrzeuginnenraum ("intern"). Als alternative Erhebungsmethode zu hochpreisiger Hardware ("Logger") erfolgten zudem Aufzeichnungen durch Smartphone-Beschleunigungssensoren ("mobile"), deren Korrelation anhand der exemplarischen Rohdaten ("raw") nachvollzogen werden kann.

mFUND-Projekt: ERST, FKZ: 19F2169A

Straßen
Bereitgestellt durch

Hochschule Kempten

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

Mon Mar 06 11:04:53 GMT 2023

Zeitbezug der Daten

Sat Jul 31 22:00:00 GMT 2021 — Sat Oct 30 22:00:00 GMT 2021

Aktualisierungsfrequenz

Niemals

Raumbezug

Traffic Signs: Berlin, 2020

1. Einführung
Die Hauptidee des Projekts ist die Gewinnung von Verkehrszeichenstandorten durch die Analyse von Videos mit einer Kombination aus künstlicher Intelligenz und Bilderkennungsmethoden. Zu jeder Videodatei gehört auch eine Geolokalisierungsdatei, die den gleichen Namen wie die Videodatei trägt und Breiten- und Längengrad sowie Zeitstempelattribute vom Anfang des Videos an enthält. Insgesamt werden 3350 Videos mit einer Gesamtreichweite von 1040 km im Bereich des Berliner S-Bahn-Rings verwendet. Die Ergebnisdatei enthält Längen- und Breitengrad (WGS84, EPSG:4326) der Verkehrszeichenstandorte und deren Typen in 43 Kategorien.

2. Datensätze
Um AI-Netzwerke zu trainieren, werden zwei öffentlich zugängliche Datensätze verwendet: für die Verkehrszeichenerkennung werden “German Traffic Sign Detection Benchmark Dataset[1]” und für die Verkehrszeichenklassifizierung “German Traffic Sign Recognition Benchmark Dataset[1]“. Weitere Informationen finden Sie hier: Detection Dataset, Classification Dataset

3. Methodik und Modelle
Für die Analyse von Videos wird das TensorFlow[2] Framework genutzt. Ein Objektdetektions[3]-Modell für die Verkehrszeichenerkennung wird mit der Transferlernmethode[4] trainiert. Um die Genauigkeit der Verkehrszeichenklassifizierung zu verbessern, wird ein benutzerdefiniertes Bildklassifizierungs[5]-Modell zur Kategorisierung von Verkehrszeichentypen trainiert. Die Ausgabe des Verkehrszeichenerkennungsmodells wird als Eingabe des Verkehrszeichen-Klassifikationsmodells verwendet.

4. Quelle
[1] Houben, S., Stallkamp, J., Salmen, J., Schlipsing, M. and Igel, C. (2013). “Detection of traffic signs in real-world images: the german traffic sign detection benchmark”, in Proceedings of the International Joint Conference on Neural Networks.10.1109/IJCNN.2013.6706807

[2] Martín A., Paul B., Jianmin C., Zhifeng C., Andy D., Jeffrey D., .... Xiaoqiang Zheng. (2016). “TensorFlow: a system for large-scale machine learning”, in Proceedings of the 12th USENIX conference on Operating Systems Design and Implementation(OSDI'16). USENIX Association, USA, 265–283

[3] Girshick, R., Donahue, J., Darrell, T., Malik, J. (2014). “Rich feature hierarchies for accurate object detection and semantic segmentation”, 2014 IEEE Conference on Computer Vision and Pattern Recognition. doi:10.1109/cvpr.2014.81

[4] Tan, C., Sun, F., Kong, T., Zhang, W., Yang, C. and Liu, C. (2018) “A survey on deep transfer learning”, Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 11141 LNCS, pp. 270–279. doi: 10.1007/978-3-030-01424-7_27.

[5] Sultana, F., Sufian, A. and Dutta, P. (2018). “Advancements in image classification using convolutional neural network”, in Proceedings - 2018 4th IEEE International Conference on Research in Computational Intelligence and Communication Networks, ICRCICN 2018, pp. 122–129. doi: 10.1109/ICRCICN.2018.8718718.

mFUND-Projekt: Mobile Mapping

Straßen
Bereitgestellt durch

AIPARK GmbH

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

Mon Mar 06 11:04:53 GMT 2023

Zeitbezug der Daten

Sat Feb 29 23:00:00 GMT 2020 — Wed Sep 30 22:00:00 GMT 2020

Aktualisierungsfrequenz

Niemals

Raumbezug

Unternehmensstatistik

Zur Beurteilung der Struktur und der Entwicklung des Güterkraftverkehrs führt das Bundesamt für Logistik und Mobilität (BALM) bei Unternehmen, die Güterkraftverkehr betreiben, repräsentative Erhebungen von Angaben zu diesen Unternehmen durch. Sie dienen dem Ziel, Entwicklungen auf dem Verkehrs- und Logistikmarkt frühzeitig zu erkennen und sollen unter anderem dazu beitragen, die Funktionsfähigkeit des überwiegend mittelständig geprägten Verkehrsgewerbes zu erhalten. Die Erhebung zur „Struktur der Unternehmen des gewerblichen Güterkraftverkehrs und des Werkverkehrs“ erfolgt auf Grundlage des Verkehrsstatistikgesetzes (VerkStatG). Die Erhebung erstreckt sich auf alle Unternehmen mit Hauptsitz in Deutschland, die für den Güterkraftverkehr Lastkraftfahrzeuge einschließlich Anhänger mit mehr als 3,5 Tonnen zulässigem Gesamtgewicht einsetzen. Sie erstreckt sich auf eine repräsentative Auswahl von höchstens 10% der Unternehmen, die Güterkraftverkehr als Haupt-, Neben- oder Hilfstätigkeit ausüben. Im Rahmen der Erhebung werden von den ausgewählten Unternehmen Angaben zu den wirtschaftliche Tätigkeiten, Zahl der Fahrzeuge zur Güterbeförderung nach Fahrzeug- und Aufbauarten und zur Struktur der Beschäftigten erfragt und differenziert nach unterschiedlichen Kriterien dargestellt.

Straßen
Bereitgestellt durch

Bundesamt für Logistik und Mobilität BALM

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

Mon Mar 06 11:04:53 GMT 2023

Zeitbezug der Daten

Mon Oct 29 23:00:00 GMT 2001 —

Aktualisierungsfrequenz

Kontinuierlich

Raumbezug

1971 - 1980 von 4232 Datensätzen

Ergebnisse als CSV oder RDF/XML