API src

Found 67 results.

Landesplanung - LEP Siedlung 2006 Verkehr

Der Kartendienst (WMS-Gruppe) stellt die Kartengrundlagen des Landesentwicklungsplanes Umwelt (2004) und Siedlung (2006) des Saarlandes bereit.:Generalisierte Darstellung von Verkehrsdaten, die in den LEP Siedlung 2006 eingeflossen sind (WMS Gruppe) (Maßstabsbeschränkung).

Radverkehrsmengen (DB Rad+) Hamburg

Dieser Datensatz enthält die Radverkehrsmengen und die mittleren gefahrenen Radverkehrsgeschwindigkeiten, die mit Hilfe der App DB Rad+ im Hamburger Straßennetz erfasst werden. Die Nutzung der Daten erfolgt nur bei Einwilligung durch die jeweiligen App-Nutzenden. Bereitgestellt werden je Straßenabschnitt die aufsummierten Radverkehrsmengen je Jahr (bei angefangenen Jahren bis zum Vortag) und die aufsummierten Radverkehrsmengen der letzten sieben Tage. Im ersten Jahr (2022) sind über das Jahr nach und nach zusätzliche Bereiche des Hamburger Stadtgebietes und Straßennetzes freigeschaltet worden, sodass die Daten für 2022 kein zuverlässiges Gesamtbild der ganzen Stadt abbilden. Dargestellt werden nur diejenigen Straßenabschnitte, auf denen im betrachteten Zeitabschnitt acht oder mehr Fahrten stattgefunden haben. Für jeden Linienabschnitt werden die aufsummierte Anzahl an Fahrten sowie die mittlere Geschwindigkeit (km/h) im jeweiligen Zeitraum angezeigt. Die Netzgrundlage auf die die Daten projiziert werden, stammt aus OpenStreetMaps. Die Daten wurden für Hamburg insbesondere für die Darstellung in den städtischen Geoportalen aufbereitet. Die Daten dienen vor allem einer qualitativen Einschätzung, welche Straßen wieviel vom Radverkehr genutzt werden und ob es über die Jahre Änderungen/Verschiebungen gibt, z.B. weil Radverkehrsanlagen saniert oder neu gebaut wurden. Die absoluten Zahlen sind hingegen wenig aussagekräftig, da sie maßgeblich von der Anzahl der Nutzenden der DB Rad+-App abhängen. Es ist auch zu beachten, dass die Nutzenden der DB Rad+-App und somit auch die genutzten Strecken nicht zwingend repräsentativ für die Gesamtbevölkerung und den Radverkehr in der gesamten Stadt sind.

Dauerzählstellen (Rad) Hamburg

Dieser Datensatz enthält den Standort der Radverkehrszählsäule An der Gurlittinsel. Er enthält die Tagesganglinie vom Vortag, die Wochenganglinie der Vorwoche und die Jahresganglinie des aktuellen Jahres sowie verschiedene statistische Werte. In den Geoportalen der FHH können zusätzlich alle Daten seit Aufzeichnungsbeginn als csv-Datei heruntergeladen werden. In den Portalen können über das GFI außerdem die Stundenwerte der letzten Woche, die Tageswerte des letzten Jahres und die Wochenwerte seit Beginn der Aufzeichnungen angezeigt und miteinander verglichen werden.

Radinfrastruktur - Wege Hamburg

Der Datensatz enthält die Radverkehrsanlagen der Freien und Hansestadt Hamburg. Da es sich um einen routingfähigen Datensatz handelt, werden nicht nur klassische Radverkehrsanlagen (Radweg, Radfahrstreifen, Schutzstreifen etc.) erfasst, sondern auch Straßen und Wege, die von Radfahrenden nutzbar sind. Weiterhin werden auch Fußwege erfasst, wenn sie als sogenannte Schiebestrecken Lücken im Radverkehrsnetz füllen. Folgende Attribute werden bereitgestellt: - Status (Betrieb, Temporäre Anlage, …) - Straßenname - Art (Getrennter Geh-/Radweg, Gemeinsamer Geh-/Radweg, Radfahrstreifen, Schutzstreifen, Straße mit Mischverkehr bis 30 km/h, Fußgängerzone…) - Klasse (Radweg, Radfahrstreifen, Schutzstreifen, Fahrradstraße, Wege in Grünanlagen, Straße mit Mischverkehr, Schiebestrecke, Sonstige) - Zeitliche Beschränkung - Benutzungspflicht - Fahrtrichtung (in Geometrie-Richtung, in beide Richtungen) - Oberfläche (bituminöse Decke, wassergebundene Decke, Kunststein, Naturstein, …) - Breite in m - Hindernis (Durchfahrbarkeit gegeben, Umfahrung möglich, …) - Niveau (bodengleich, Tunnel, …) Die Visualisierung im WMS und somit auch im Geoportal erfolgt anhand des Attributs Klasse. Um die Übersichtlichkeit zu erhöhen, werden die Daten in sieben verschiedene Layer unterteilt, die sich an den Klassen orientieren. Langfristig, z.B. wegen Baumaßnahmen, gesperrte Wege werden nicht im Datensatz veröffentlicht. Sollten Sie Anmerkungen zum Datensatz haben oder Korrekturen melden wollen, schicken Sie diese bitte an radverkehrsnetz@gv.hamburg.de. Es kann keine Gewähr für die Richtigkeit aller Daten übernommen werden. Aufgrund der Aktualität des Datensatzes kann keine rechtssichere bzw. tagesaktuelle Aussage getroffen werden.

Verkehrsbasiszwilling - Hamburg

Der Verkehrsbasiszwilling Hamburg ist eine umfassende digitale Repräsentation der verkehrsbezogenen Basisinformationen der Stadt Hamburg. Diese umfassen das Straßen- und Wegenetz, das Radverkehrsnetz, das Schienennetz, die Feinkartierung Straße, die Bundesstraßen und Bundeswasserstraßen sowie Brücken und sonstige Ingenieurbauwerke. Zusammen mit dem Geobasiszwilling (https://metaver.de/trefferanzeige?docuuid=39EB111A-C01B-48CF-8F8C-0771BE1F4FC0&q=geobasiszwilling+Hamburg&f=&lang=de) dient er als Grundlage für den Aufbau von mobilitätsspezifischen Urbanen Digitalen Zwillingen. Straßen- und Wegenetz: Das Straßen- und Wegenetz umfasst alle benannten und gewidmeten Straßen der Stadt Hamburg. Radverkehrsnetz: Das Radverkehrsnetz besteht aus allen für den Radverkehr vorgesehenen Wegen und Straßenabschnitten der Stadt Hamburg. Schienennetz: Das Schienennetz umfasst alle Schienen klassifiziert nach Fernbahn elektrifiziert, Fernbahn nicht elektrifiziert, U-Bahn, S-Bahn, Straßen-/Stadtbahn, Schmalspur-Bahn und außer Betrieb. Feinkartierung Straße: Der Datensatz enthält Informationen zu Nutzung und Oberflächenmaterial der einzelnen Objekte im Straßenraum der Bezirks- und Hauptverkehrsstraßen. Brücken und sonstige Ingenieurbauwerke: Enthalten sind Straßenbrücken, Fußgängerbrücken, Tunnel, Lärmschutzwände, Stützwände und Schilderbrücken in der Zuständigkeit des LSBG. Bundesstraßen Bundeswasserstraßen: Der Datensatz beinhaltet Flurstücksflächen, die sich im Eigentum der Bundesstraßenverwaltung, der Bundesfernstraßenverwaltung bzw. der Bundeswasserstraßenverwaltung befinden.

Feinkartierung Straße Hamburg

Der Datensatz enthält Informationen zu Nutzung und Oberflächenmaterial der einzelnen Flächen im Straßenraum der Bezirks- und Hauptverkehrsstraßen. Zusätzlich sind verschiedene im Straßenraum befindliche Linien- und Punktobjekte enthalten. Zu den Linienobjekten gehören: Hochbord, Tiefbord, Geländer, Mauer, Rinne und Zaun. Zu den Punktobjekten gehören: Pflanzkübel, Lampe, Hängelampe, Mast für Hängelampe, Poller/Pfosten/Wegesperre, Fußgängerleitsystem, Verkehrsampel, Bügel, Fahrradbügel, Findling, Bank, Tisch, Kunst im öffentlichen Raum/Skulptur, Brunnen. In der Regel sind im Datensatz alle Objekte im Bereich des Tiefbauvermögens der FHH enthalten. Flächen im Zuständigkeitsbereich der Autobahn GmbH und des Hafens sind nicht enthalten. Flächen, die eindeutig zum städtischen Straßenraum gehören, aus verschiedenen Gründen aktuell aber rechtlich nicht dem Tiefbauvermögen zugerechnet werden, sind ebenfalls enthalten und werden mit dem Attribut "Fremdeigentum" gekennzeichnet. Enthaltene Attribute: Bezirksnummer, Bezirk, Stadtteilnummer, Stadtteil, Straßenname, Straßentyp, Kategorie, Nutzungsnummer, Nutzung, Inhaltsnummer, Inhalt (Oberflächenmaterial), Ebenennummer, Ebene (Lage regulär auf Straßenebene oder darüber bzw. darunter), Fremdeigentum, Quelle, Bemerkung, Fläche (in m^2), Objekt-ID und Stand der Erfassung. Die Ersterfassung der Feinkartierung Straßen erfolgte auf Grundlage einer Luftbilddigitalisierung in den einzelnen Bezirken zwischen 2013 und 2021. Die Pflege der Daten erfolgt seit 2022 kontinuierlich anhand von Planunterlagen, Luft- und Befahrungsbildern durch den Landesbetrieb Geoinformation und Vermessung im Auftrag der Behörde für Verkehr und Mobilitätswende. Die Aktualität der jeweiligen Fortführung des Objektes ist den Attributen zu entnehmen. Die Datengrundlage weist jedoch einen älteren Stand auf, als der Tag der Fortführung. Auch Baustellen aus den Vorjahren werden u.U. erst in späteren Jahrgängen umgewandelt, sodass anhand des Datensatzes keine Analyse möglich ist, wie viele Flächenänderungen in einem Jahr im Straßenraum erfolgt sind. Insbesondere die Punkt- und Linienobjekte erheben keinen Anspruch auf Vollständigkeit, da sie z.T. bereits bei der Ersterfassung nicht vollständig erfasst wurden und Aufstell- und Abbauprozesse der datenpflegenden Stelle in der Regel nicht gemeldet werden. Es kann keine Gewähr für die Richtigkeit aller Daten übernommen werden. Aufgrund der Aktualität des Datensatzes kann keine rechtssichere bzw. tagesaktuelle Aussage getroffen werden. Sollten Sie Anmerkungen zum Datensatz haben oder Korrekturen melden wollen, schicken Sie diese bitte an fachdatenmanagement@gv.hamburg.de.

Verkehrsdaten Kfz (Infrarotdetektoren) Hamburg

Allgemeine Informationen: Der Datensatz umfasst Verkehrsdaten aller Standorte in Hamburg, an denen der Kraftfahrzeugverkehr (Kfz-Verkehr) mittels Infrarotdetektoren an 24h am Tag und allen Tagen des Jahres erfasst wird. Die Daten enthalten Verkehrsstärken in Echtzeit und werden an für den Straßenquerschnitt zusammengefassten Zählstellen in 15-Minuten, 60-Minuten, Tages- und Wochen-Intervallen zur Verfügung gestellt. Die Daten der Zählstellen werden außerdem in den entsprechenden Geoportalen der FHH, z.B. in Geo-Online und dem Verkehrsportal, visualisiert. Neben den Echtzeitdaten sind auch historische Daten in folgendem Umfang verfügbar: alle Daten für die letzten zwei Wochen in 15-Minuten-Intervallen, alle Daten für die letzten zwei Monate für die 60-Minutenintervalle, alle Daten für das aktuelle und das letzte Jahr in Tagesintervallen sowie alle Daten seit Beginn der Erfassung in Wochenintervallen. Informationen zur Technik: Die Infrarotdetektoren sind in der Regel an Lichtsignalanlagen, zu einem geringen Teil aber auch an anderen Masten, installiert. Die Detektoren erfassen und zählen den Verkehr über die Wärmeabstrahlung der einzelnen Verkehrsteilnehmenden. Da ausschließlich Infrarotbilder ausgewertet werden, ist der Datenschutz zu jeder Zeit gewährleistet. Hinweise zur Datenqualität: Die Daten werden in Echtzeit an die Urban Data Platform der FHH übertragen. So sind diese zeitnah für alle Nutzenden und Interessierten verfügbar. Durch die Echtzeitkomponente sind allerdings verschiedene Rahmenbedingungen zu beachten: Die Daten sind nicht umfassend qualitätsgesichert. Ungewöhnliche Abweichungen von den zu erwartenden Daten und Datenlücken werden zwar automatisch vom System erkannt, können aber nicht in Echtzeit korrigiert werden. Lücken, die z.B. durch einen Abriss der Datenübertragung auftreten, können im Nachhinein noch nachgeliefert werden. Unter Umständen und bei längeren Ausfällen können folglich noch nach ein paar Tagen Änderungen in den historischen Daten erfolgen. Die Daten erhalten deswegen täglich eine Aktualisierung für die folgenden Zeiträume: Vortag: 15-Min-Intervalle Tag vor sechs Tagen: 15-Min-Intervalle und Tages-Intervalle Tag vor 28 Tagen: Tages-Intervalle Die Wochenwerte erhalten wöchentlich eine Aktualisierung für die Werte der Vorwoche und der Woche vor vier Wochen. Es handelt sich bei den hier veröffentlichten Daten nicht um amtlich geprüfte Daten der FHH. Werden derartige Daten benötigt, kann z.B. der Datensatz "Verkehrsstärken Hamburg" herangezogen werden, der die „Durchschnittlichen (werk)täglichen Verkehre“ in der Entwicklung der letzten Jahre enthält. Wie bei jeder Verkehrszählung, egal ob automatisiert oder manuell, gibt es gewisse Toleranzen in der Messgenauigkeit. Anspruch an das hier verwendete System sind Genauigkeiten von +/- 5% bei der Erfassung der Kfz-Verkehrsstärken. Weitere Informationen zum Echtzeitdienst: Der Echtzeitdatendienst enthält die Standorte der Zählstellen für das Kfz-Aufkommen, das mit Infrarotdetektoren erfasst wird. Die Daten werden im JSON-Format über die SensorThings API (STA) bereitgestellt . Für jede Zählstelle in der SensorThings API (STA) wurde ein Objekt in der Entität "Thing" angelegt. Für jede zeitliche Auflösungsebene bei den Zählstellen bzw. jeder verkehrlichen Bezugsgröße steht ein Objekt in der Entität "Datastreams". Die Echtzeitdaten zur Anzahl Kfz je Zählstelle und Zeitintervall wird in der STA in der Entität "Observations" veröffentlicht. Es werden folgende räumlichen und zeitlichen Ebenen differenziert: -Zählstelle 15-Min, 1-Stunde, 1-Tag, 1-Woche: Anzahl Kfz Alle Zeitangaben sind in der koordinierten Weltzeit (UTC) angegeben. In der Entität Datastreams gibt es im JSON-Objekt unter dem "key" "properties" weitere "key-value-Paare". In Anlehnung an die Service- und Layerstruktur im GIS haben wir Service und Layer als zusätzliche "key-value-Paare" unter dem JSON-Objekt properties eingeführt. Hier ein Beispiel: { "properties":{ "serviceName": "HH_STA_AutomatisierteVerkehrsmengenerfassung", "layerName": "Anzahl_Kfz_Zaehlstelle_15-Min", "key":"value"} } Verfügbare Layer im layerName sind: * Anzahl_Kfz_Zaehlstelle_15-Min * Anzahl_Kfz_Zaehlstelle_1-Stunde * Anzahl_Kfz_Zaehlstelle_1-Tag * Anzahl_Kfz_Zaehlstelle_1-Woche Mit Hilfe dieser "key-value-Paare" können dann Filter für die REST-Anfrage definiert werden, bspw. https://iot.hamburg.de/v1.1/Datastreams?$filter=properties/serviceName eq 'HH_STA_AutomatisierteVerkehrsmengenerfassung' and properties/layerName eq 'Anzahl_Kfz_Zaehlstelle_15-Min' Die Echtzeitdaten kann man auch über einen MQTT-Broker erhalten. Die dafür notwendigen IDs können über eine REST-Anfrage bezogen werden und dann für das Abonnement auf einen Datastream verwendet werden: MQTT-Broker: iot.hamburg.de Topic: v1.1/Datastream({id})/Observations

Verkehrsdaten Rad (Infrarotdetektoren) Hamburg

Allgemeine Informationen: Der Datensatz umfasst Verkehrsdaten aller Standorte in Hamburg, an denen der Radverkehr mittels Infrarotdetektoren an 24h am Tag und allen Tagen des Jahres erfasst wird. Der Datensatz enthält sowohl die Verkehrsstärken einzelner Zählfelder als auch aus mehreren Zählfeldern aggregierte Zählstellen in Echtzeit. Der schematische Aufbau der Datenerfassung und Datenaggregation ist in einem separaten Dokument beschrieben, welches in den Verweisen zu finden ist. Die Daten der Zählfelder werden in 5-Minuten-Intervallen bereitgestellt. Die Daten der Zählstellen liegen aggregiert in 15- und 60-Minuten-Intervallen sowie in Tages- und Wochenwerten vor. Die Daten der Zählstellen werden außerdem in den entsprechenden Geoportalen der FHH, z.B. in Geo-Online und dem Verkehrsportal, visualisiert. Neben den Echtzeitdaten sind auch historische Daten in folgendem Umfang verfügbar: Zählfelder: alle Daten seit Beginn der Erfassung in 5-Minuten-Intervallen. Zählstellen: alle Daten für die letzten zwei Wochen in 15-Minuten-Intervallen, alle Daten für die letzten zwei Monate in Stundenintervallen, alle Daten für das aktuelle und das letzte Jahr in Tagesintervallen sowie alle Daten seit Beginn der Erfassung in Wochenintervallen. Informationen zur Technik: Die Infrarotdetektoren sind in der Regel an Beleuchtungsmasten, zum Teil aber auch an anderen Masten, installiert. Die Detektoren erfassen und zählen den Verkehr über die Wärmeabstrahlung der einzelnen Verkehrsteilnehmenden. Da ausschließlich Infrarotbilder ausgewertet werden, ist der Datenschutz zu jeder Zeit gewährleistet. Hinweise zur Datenqualität: Die Daten werden in Echtzeit an die Urban Data Platform der FHH übertragen. So sind diese zeitnah für alle Nutzenden und Interessierten verfügbar. Durch die Echtzeitkomponente sind allerdings verschiedene Rahmenbedingungen zu beachten: Die Daten sind nicht umfassend qualitätsgesichert. Ungewöhnliche Abweichungen von den zu erwartenden Daten und Datenlücken werden zwar automatisch vom System erkannt, können aber nicht in Echtzeit korrigiert werden. Lücken, die z.B. durch einen Abriss der Datenübertragung auftreten, können im Nachhinein noch nachgeliefert werden. Unter Umständen und bei längeren Ausfällen können folglich noch nach ein paar Tagen Änderungen in den historischen Daten erfolgen. Die Daten erhalten deswegen täglich eine Aktualisierung für die folgenden Zeiträume: Vortag: 5-Min-Intervalle, 15-Min-Intervalle und 60-Min-Intervalle Tag vor sechs Tagen: 5-Min-Intervalle, 15-Min-Intervalle, 60-Min-Intervalle und Tages-Intervalle Tag vor 28 Tagen: 5-Min-Intervalle, 60-Min-Intervalle, Tages-Intervalle Die Wochenwerte erhalten wöchentlich eine Aktualisierung für die Werte der Vorwoche und der Woche vor vier Wochen. Es handelt sich bei den hier veröffentlichten Daten nicht um amtlich geprüfte Daten der FHH. Wie bei jeder Verkehrszählung, egal ob automatisiert oder manuell, gibt es gewisse Toleranzen in der Messgenauigkeit. Anspruch an das hier verwendete System sind Genauigkeiten für die Zählfelder von +/- 10% bei der Erfassung des Radverkehrs auf Gehwegen, Radwegen und Radverkehrsstreifen sowie +/-20% bei der Erfassung des Radverkehrs im Mischverkehr mit Kraftfahrzeugen. Da Zählstellen aus einer Kombination verschiedener Zählfelder gebildet werden, kann die Abweichung bis zu +/-20% betragen. Weitere Informationen zum Echtzeitdienst: Der Echtzeitdatendienst enthält die aktiven Standorte der Zählfelder und Zählstellen über die mittels Infrarotdetektoren das aktuelle Fahrradaufkommen am Standort ermittelt wird. Die Daten werden im JSON-Format über die SensorThings API (STA) bereitgestellt . Für jedes Zählfeld und jede Zählstelle in der SensorThings API (STA) steht ein Objekt in der Entität "Thing". Für jede zeitliche (jeweiliges Zeitintervall) und räumliche Auflösungsebene (Zählfelder/Zählstellen) steht ein Objekt in der Entität "Datastreams". Die Echtzeitdaten zur Anzahl Fahrräder je Zeitintervall und Raumeinheit wird in der STA in der Entität "Observations" veröffentlicht. Die zeitlichen und räumlichen Auflösungsebenen sind der Datensatzbeschreibung zu entnehmen. Alle Zeitangaben sind in der koordinierten Weltzeit (UTC) angegeben. In der Entität Datastreams gibt es im JSON-Objekt unter dem "key" "properties" weitere "key-value-Paare". In Anlehnung an die Service- und Layerstruktur im GIS haben wir Service und Layer als zusätzliche "key-value-Paare" unter dem JSON-Objekt properties eingeführt. Hier ein Beispiel: { "properties":{ "serviceName": "HH_STA_HamburgerRadzaehlnetz", "layerName": "Anzahl_Fahrraeder_Zaehlfeld_5-Min", "key":"value"} } Verfügbare Layer im layerName sind: * Anzahl_Fahrraeder_Zaehlfeld_5-Min * Anzahl_Fahrraeder_Zaehlstelle_15-Min * Anzahl_Fahrraeder_Zaehlstelle_1-Stunde * Anzahl_Fahrraeder_Zaehlstelle_1-Tag * Anzahl_Fahrraeder_Zaehlstelle_1-Woche Mit Hilfe dieser "key-value-Paare" können dann Filter für die REST-Anfrage definiert werden, bspw. https://iot.hamburg.de/v1.0/Datastreams?$filter=properties/serviceName eq 'HH_STA_HamburgerRadzaehlnetz' and properties/layerName eq 'Anzahl_Fahrraeder_Zaehlfeld_5-Min' Die Echtzeitdaten kann man auch über einen MQTT-Broker erhalten. Die dafür notwendigen IDs können über eine REST-Anfrage bezogen werden und dann für das Abonnement auf einen Datastream verwendet werden: MQTT-Broker: iot.hamburg.de Topic: v1.0/Datastream({id})/Observations

Mobilität und Verkehr

Bild: Ralf Rühmeier Fußverkehr Zu Fuß gehen ist die alltäglichste Form der Mobilität – und die häufigste: Die meisten Wege in Berlin werden auf diese Weise zurückgelegt – mehr als mit dem Auto oder jedem anderen Verkehrsmittel. Weitere Informationen Bild: Ralf Rühmeier Radverkehr Immer mehr Wege legen die Berlinerinnen und Berliner auf mit dem Fahrrad zurück. Um dieser Entwicklung Rechnung zu tragen und weiter zu befördern, modernisiert Berlin seine Fahrradinfrastruktur und baut sie sukzessive aus. Weitere Informationen Bild: BVG / Andreas Süß Öffentlicher Personennahverkehr Täglich fahren Millionen Menschen in Bussen und Bahnen durch Berlin und bis nach Brandenburg. Diese Verkehrsmittel bilden den öffentlichen Personennahverkehr (ÖPNV). Für mehr Zuverlässigkeit und Verlässlichkeit investiert Berlin in den kommenden Jahren Milliarden in den ÖPNV-Ausbau. Weitere Informationen Bild: Tom Kretschmer Verkehrspolitik Die Berliner Mobilitätswende setzt auf den klimafreundlichen und leistungsfähigen Umweltverbund: Busse und Bahnen sowie Fuß- und Radverkehr. Sie schafft so attraktive Mobilitätsmöglichkeiten – und macht die Straßen frei für diejenigen, die auf ein eigenes Fahrzeug angewiesen sind. Weitere Informationen Bild: infraVelo Verkehrsplanung Die Verkehrsbewegungen einer komplexen Millionenmetropole wie Berlin erfordern eine aufwendige Planung: Vom Fuß- und Kfz-Verkehr über den Eisenbahn- bis zum Luftverkehr sind für ein möglichst reibungsloses Funktionieren der Verkehrsströme viele Aspekte zu beachten. Weitere Informationen Bild: SenUVK Infrastruktur Die vielfältige Infrastruktur Berlins bedarf einer ständigen Modernisierung. Ob Straßen-, Brücken- oder Wasserbau: An vielen Baustellen wird überall in Berlin daran gearbeitet, den Verkehr möglichst reibungslos fließen zu lassen. Weitere Informationen Bild: Tom Kretschmer Verkehrsdaten Verkehrspolitik und Verkehrsplanung sind auf detaillierte und kontinuierlich erhobene Daten angewiesen. Auf ihrer Grundlagen werden Pläne erstellt, Kosten eingeschätzt und Verkehrsprojekte bewertet. So ist eine datenbasierte Entscheidung zum Einsatz unterschiedlicher Verkehrsträger möglich. Weitere Informationen Bild: SenUVK; Jörg Lange Verkehrsmanagement Das Verkehrsmanagement sorgt für Verkehrssicherheit auf den Berliner Hauptverkehrsstraßen, organisiert den Verkehr an und um Großbaustellen, bei Großveranstaltungen, aber auch bei Unfällen und informiert über die Verkehrslage in Berlin. Weitere Informationen Bild: eyeQ - Fotolia.com Dienste und Genehmigungen Die Verkehrsbehörden und Partner des Landes Berlin sind für eine Reihe von Dienstleistungen in den Bereichen Verkehr und Mobilität zuständig. Auf den folgenden Seiten finden Sie Informationen zu Bedingungen, Bearbeitungszeiten und Ansprechpartnern. Weitere Informationen

Durchschnittliche jährliche Luftschadstoffbelastung: Modelldaten 2024

Modellierung & Prognose – so funktioniert das Verfahren Das eigentliche Prognosemodell nutzt ein Verfahren namens XGBoost . Dabei handelt es sich um ein modernes Machine-Learning-Verfahren, das auf sogenannten Entscheidungsbäumen basiert. Es hat sich als besonders leistungsfähig erwiesen, wenn es darum geht, komplexe Zusammenhänge aus vielen unterschiedlichen Datenquellen zu erkennen. Für jeden relevanten Luftschadstoff – NO₂ , PM₁₀ und PM₂,₅ – wird ein eigenes Modell trainiert. Dadurch kann jedes Modell gezielt auf die spezifischen Einflussfaktoren und typischen Schwankungen eines Schadstoffs eingehen. Um auf dem aktuellen Stand zu bleiben, erfolgt das Training der Modelle monatlich . So kann das Modell Veränderungen im Verkehrsverhalten, im Wetter oder in anderen Umweltfaktoren berücksichtigen und bleibt anpassungsfähig. Die Prognose selbst erfolgt zunächst auf einem feinmaschigen Raster mit einer Auflösung von 50 m × 50 m . Das heißt: Für jeden Punkt in diesem Raster wird ein eigener Luftschadstoffwert vorhergesagt. Diese feine Auflösung ist entscheidend, um auch kleinteilige Unterschiede in der Luftqualität innerhalb der Stadt sichtbar zu machen. Das Modell verwendet eine Vielzahl an Einflussgrößen (Features), darunter: Zeitliche Informationen: Jahr, Wochentag, Tageszeit und auch spezielle Zeiten wie Schulferien oder Feiertage. Meteorologische Daten: Dazu gehören Temperatur, Windrichtung und -geschwindigkeit, Niederschlagsmengen und andere Wettergrößen. Räumliche Faktoren: Bebauungsdichte, Grünflächenanteil, Straßenstruktur – all das beeinflusst, wie sich Schadstoffe verteilen. Verkehrsdaten: Die prognostizierte Anzahl an Fahrzeugen in jeder Rasterzelle fließt ebenso ein wie deren Geschwindigkeit. Vergangene Messwerte: Durch sogenannte „Lags“ – also zeitlich verzögerte Werte – kann das Modell kurzfristige Trends erkennen und darauf reagieren. Da der Verkehr einer der größten Einflussfaktoren auf die Luftqualität ist, wird zusätzlich ein eigenes Verkehrsmodell betrieben. Auch dieses basiert auf XGBoost und hat die Aufgabe, Fahrzeugmengen und Geschwindigkeiten im Stadtgebiet vorherzusagen. Diese Informationen fließen dann als Input in das Luftschadstoffmodell ein. Wichtig ist dabei: Dieses Verkehrsmodell wird quartalsweise neu berechnet , weil aktuelle Verkehrsdaten qualitätsgesichert erst mit Verzögerung verfügbar sind. Wetterdaten werden in diesem Teilmodell bewusst nicht verwendet – sie sind für die kurzfristige Verkehrsentwicklung kaum relevant. Damit sichergestellt ist, dass die Vorhersagen des Modells auch in der Praxis zuverlässig sind, wird die Modellgüte mit verschiedenen statistischen Methoden überprüft: Der MAE (mittlere absolute Fehler) gibt an, wie stark die Vorhersagen im Schnitt von den tatsächlichen Messwerten abweichen. Der RMSE (Wurzel des mittleren quadratischen Fehlers) berücksichtigt besonders starke Ausreißer und zeigt, ob es punktuell zu großen Fehlern kommt. Der R²-Wert (erklärte Varianz) zeigt, wie gut das Modell die tatsächlichen Schwankungen in den Daten erklären kann. Wichtig dabei: Die Bewertung erfolgt “Out-of-Sample” , also nicht anhand der Daten, mit denen das Modell trainiert wurde, sondern auf neuen, bisher unbekannten Daten. Das sorgt für eine realistische Einschätzung der Prognosequalität im Alltag. Das Berliner Modell zur Vorhersage von Luftschadstoffen ist ein gutes Beispiel dafür, wie moderne Datenanalyse und Machine Learning sinnvoll für die Stadtplanung eingesetzt werden können. Es kombiniert aktuelle Messdaten, Wetter- und Verkehrsprognosen mit detaillierten Stadtinformationen und liefert damit räumlich hochaufgelöste, wissenschaftlich fundierte Aussagen zur Luftqualität – auf dem gesamten Stadtgebiet und in Echtzeit. Die regelmäßige Aktualisierung, die Einbindung zahlreicher Einflussfaktoren und die Möglichkeit, gezielt den Effekt einzelner Maßnahmen zu analysieren, machen das System zu einem leistungsfähigen Werkzeug für Umweltanalysen und eine datenbasierte Politikgestaltung.

1 2 3 4 5 6 7