Filter
  • Zeitbezug (4)
    -
  • Datenanbieter
  • Art des Zugangs
  • Lizenzen

13 Datensätze

Klimaorte Wuppertal

Der Datensatz der Klimaorte Wuppertal umfasst die Beschreibungen von (Stand 08/2021) 118 punktförmig modellierten Best-Practice-Beispielen für den Klimaschutz in Wuppertal. Sie wurden von der Koordinierungsstelle Klimaschutz der Stadt Wuppertal im Zeitraum Q4/2020 bis Q2/2021 als Datengrundlage für die interaktive Kartenanwendung "Klimaortkarte Wuppertal" erhoben. Die Klimaortkarte präsentiert darüber hinaus die linienförmigen Bahntrassenradwege aus dem Open-Data-Datensatz "Radrouten Wuppertal". Diese sind nicht im Datensatz der Klimaorte enthalten. Der Datensatz ordnet den Standorten von Organisationen, Einrichtungen und Anlagen ein oder mehrere thematisch kategorisierte Angebote zu. Die Kategorisierung benutzt ein zweistufiges Modell (Thema / Kategorie). Mehrere Standorte können sich an derselben geographischen Position befinden, z. B. bei einem Gebäude, in dem mehrere Klimaschutzorganisationen residieren. Die Fortführung des Datensatzes erfolgt unregelmäßig, jeweils zeitnah nach Identifikation eines neuen oder Änderung eines bestehenden Klimaortes. Der Datensatz ist im Shape-, KML- und GeoJSON-Format unter einer Open-Data-Lizenz (CC BY 4.0) verfügbar.

Straßen
Bereitgestellt durch

Open NRW: Geoportal

Art des Datenzugangs

Shape / Dateidownload

Aktualität der Datensatzbeschreibung

Wed Jan 20 07:27:00 GMT 2021

Raumbezug

Modellierte Stauwahrscheinlichkeit für ausgewählte Städte

Modellierte Stauwahrscheinlichkeit für ausgewählte Städte basierend auf Twitter und OpenStreetMap Daten auf Gitterzellenbasis in 100 Meter Auflösung. Der Datensatz beeinhaltet die Städte Barcelona, Berlin, Cincinnati, Kiev, London, Madrid, Nairobi, New York City, San Francisco, Sao Paulo und Seattle. Der Wertebereich reicht von 0 (wahrscheinlich normaler Verkehrsfluss) bis 1 (hohe Wahrscheinlichkeit für Verzögerung des Vekehrsflusses).

Methodik:
Basierend auf Twitter und OpenStreetMap (OSM) Daten wurde mit Hilfe von maschinellem Lernen ein Modell trainiert, welches die Stauwahrscheinlichkeit innerhalb der Städte vorhersagt. Als Referenzdaten wurden öffentlich bereitgestellte Daten von UBER verwendet (https://movement.uber.com). Als Indikatoren im Modell wurden die Anzahl an Tweets und die Anzahl an Points-of-Interest aus OSM in der Nähe von Straßen verwendet. Zudem wurden Autofahrten mit Hilfe des openrouteservice basierend auf der räumlichen Verteilung der Bevölkerung und relevanter POIs simuliert und im Modell berücksichtigt.

mFUND-Projekt: SocialMedia2Traffic, FKZ: 19F2162A

Straßen
Bereitgestellt durch

HeiGIT gGmbH (Heidelberg Institute for Geoinformation Technology)

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

Mon Mar 06 11:04:53 GMT 2023

Zeitbezug der Daten

— Mon Mar 30 22:00:00 GMT 2020

Aktualisierungsfrequenz

Niemals

Raumbezug

On-Demand-Ridepooling Nachfragemodell Berlin (allyMAP)

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

Mon Mar 06 11:04:53 GMT 2023

Zeitbezug der Daten

Sun Dec 31 23:00:00 GMT 2017 — Thu Aug 30 22:00:00 GMT 2018

Aktualisierungsfrequenz

Niemals

Raumbezug

11 - 13 von 13 Datensätzen

Ergebnisse als CSV oder RDF/XML