Merken

OSM-basierte Standortmodellierung von Ladesäulen für Elektromobilität am Beispiel des Bayerischen Waldes

Zitierlink des Filmsegments
Embed Code

Automatisierte Medienanalyse

Beta
Erkannte Entitäten
Sprachtranskript
mein Name ist Anna nachhaltig Vertreter den Roland sind ich komme von der Technischen Hochschule in Decken auf den derzeit 5 Jahre im
Institut für Angewandte Informatik und hat mit das kann und mit dem Professor Doktor Roland sind im Forschungsschwerpunkt angewandte Energieforschung und Elektromobilität das Thema US investiert der Standard Modellierung von Ladesäulen für Elektromobilität am Beispiel des Bayerischen Waldes untersucht ich wäre es das 1. haben Forschungs am Verbundforschungsprojekt
E wollen dass ältere Mobilität im Bayerischen Wald die einen Methodik dann auch erklären ganz kurz an einem Beispiel hatte die exemplarische Anwendung von dem Modell noch mal erklären und auf die Probleme die wir dabei haben und einen Ausblick wir weiter mit den Daten an um die das Modell bei einem teilen
trieben von der Elektromobilität im Bayerischen Wald das Ganze ist ein
Verbundforschungsprojekt einen von der THD die Technische Hochschule Deggendorf hat dabei die Projektleitung hat des Projektes 2012 gestartet und zulassen 16 erfolgreich abgeschlossen worden man sie auf diesen als Queen statt die Plat fahren die für Ewald aufgesetzt worden als man sich das Gebiet 6 Landkreise sind dabei behandelt worden für die
Standard Analysen dabei waren aus dem Bayerwald kaum Regen und freien und dann aus dem Gäuboden Bereich und das niederbayerische Hügelland des Landkreises Straubing-Bogen denken davon aus man sieht auf dieser Plattform jetzt schon die Leute sollen die es gibt und wie sich dem Projekt Gebiet dann verteilen die Verteilungen an es gibt relativ viele Ladesäulen sollen im Bereich decken lassen zum Beispiel 25 Leute sollen die schon installiert worden sind im Bereich von der Stadt passt das sind 6 laden sollen warum sind diese sollen so verteilt das liegt auch an den kommunalen Projektpartnern die an das ganze beeinflusst das heißt jede teilnehmende Gemeinde hat dann natürlich auch lade sollen die installiert werden und die dann eben ganz oft von Arthaus installierte das Ziel von dem Forschungsprojekt war jetzt aber ein Modell zu entwickeln ist diese Infrastruktur bedarfsorientiert Platz wird also das
Entwicklungsprojekte im Großen und Ganzen als Ziele die Etablierung der Elektromobilität in den ländlichen Regionen und da dabei in den Ausbau der Lade-Infrastruktur beteiligt waren sind dabei auch die Kommunen und Städte damit diese Lade Infrastrukturen der Gemeinden danach miteinander vernetzt werden ein außerhalb von der Standard Modellierung für die sollen hat noch weitere Ziele in dem Projekt dass man zum Beispiel an ein induktives schneller das System dass es Ende 2016 an der Hochschule in Betrieb genommen worden oder eigene eingeweiht worden dann auch die Erhebung von Infrastrukturen von der Ladetechnik genauso wie eine Strategie für die Verwendung von erneuerbaren Energien und Einbindung in virtuelle Kraftwerke es ist auch ein Reichweiten Modell entwickelt worden für die Mobilität und eben auch die Plattform die auf der vorherigen Folie im Dax stellt man es entwickelt waren und diese E-Fahrzeuge dann auch zu vermieten und zur Verfügung zu stellen und so und
dann zur Methodik von unserer Modellierung in diesem ich hab eine vergessen wir unsere
Aufgabenstellung war dann eben die bedarfsorientierte Standortplanung für
diese Laden sollen in diesen ländlichen Regionen und zwar für unterschiedliche Ausbauszenarien der Elektromobilität in dem Beispiel Folien nicht dabei haben wir jetzt eine Tochter dehnungsrate von Elektromobilität von 50 Prozent angenommen wir haben das aber in verschiedenen Szenarien ausgerechnet als auch er doch dehnungsrate von 10 Prozent oder von 90 Prozent und so für die
Modellierung haben wir verschiedene Parameter betrachtet die man dann vielleicht in die wir geprüft haben und dann in die
Modellierung mit einfließen lassen und das waren zum einen technische Parameter also die Bereitstellung von erneuerbaren Energien Tennisanlagen des Energienetz einzig die Lade sollen dann die technischen Parameter der Ladesäule sich auch die E-Mobilität Fahrzeuge und der Bereich der uns dann am meisten interessiert hat in der 1. Nacht modellieren war auch die Nutzergruppe wären das dann in 3 große Kategorien unterteilt also in die Infrastruktur der Nutzer und den Zweck der Infrastrukturen wir dann wieder unterschiedliche Parameter zugeordnet eben das Ladenetz die Straßen Parks Situationen und so weiter und beim Nutzer haben wir versucht verschiedene Nutzergruppen einzuteilen zum Beispiel nach den Altersgruppen oder auch ob es Familien sind oder Hausbesitzer zum Beispiel dann natürlich der Zweck der Fahrt ist ganz interessant für die Elektromobilität Fährmann zur Arbeit oder Firmen nach Hause fährt mal ist die Bewegung dann zu einem Freizeit .punkt oder zum Einkaufen das ganze
konzentriere sich dann schon auf dem richtigen Ort also dem Weindorf Angeles und da spielen dann wieder 2 neue damit eine Rolle nämlich wie lange bleibt der Nutzer dort also die Verweildauer annehmen .punkt was sie dann auch gleichzusetzen ist mit der Ladedauer und dann die die Distanz also wie weit ist man bereit zu laufen von der Ladesäule bis zu den Eintopf auf entlässt und unterscheidet sich im die die Distanz wahren je nachdem Zweck immer verfolgt ist dass wir bereit weiter zur Arbeit zu laufen als zur Freizeit zum Beispiel für die Berechnung für das Modell versucht nur oder haben in nur 3 Tagen verwendet wobei das dann auch machen es schwierig ist ob man für jeden Parameter die erforderliche Genauigkeit dann eben von den freien Daten erhält zur Datengrundlage bei den
Geo-Daten haben in den auf uns wie Halbsatz verwendet und zwar steht weil von den Straßen und von dem Brand auf entlässt bei den Straßennetzen haben wir die Fahrbahn Straßen verwendet also nicht die Gehwege des n wir haben für die Berechnung der Einzugsgebiet also der geht es tanzen dann die Hand auf entlasten mit verwendet und da Anzug anzukreiden bis zu 1000 Mieter verwendet der Panther einschließlich liegt ja nicht immer auf der Straße oder gleich neben der Straße sondern touristische Einrichtungen können mit einer größeren Entfernungen dann zur nächsten roten Flecken Straße liegen das es hier in die des Sokrates bis zu Tausend Mieter Einbahnstraßen wenig berücksichtigt weil auf einer Ladesäule bis zum Panther 5. der zu Fuß geht und da spielt die Einbahnstraße keine Rolle und zukünftig sollen dann auch noch die Gehwege mit eingebunden werden also die Pfade zunichte bei einem Brand 5. haben wir dann versucht die haben zurücklassen in Kategorien einzuteilen die Kategorien auch wieder in der Kopplung dann mit der Zeitverwendung also das ist alles aufeinander ab gestürmt und es haben sich dann bei dem 2. auf etwas in 4 Kategorien gebildet Wohnen Arbeiten Einkaufen und Freizeit wobei bei wohnen sie keine Daten zu den Privathaushalten dann vorliegen dass sie diesen ja nicht verortet die brauchen wir aber nicht weil der Privathaushalte bei sich selbst lehrt und des nicht öffentlich zugänglich ist und dann da in der Freizeit haben wir zum Beispiel die Subklasse Tourist-Info ausgenommen ist zeitlich ich aber dann später noch mal bei den Problemen in der Modellierung und genau das ist also der G Datensatz dann haben wir auch noch Daten
gebraucht um die Nutzergruppen zu definieren
dafür haben wir von der Regionalstatistik die Einwohner nach Altersgruppen klassifizieren können dann auch die PKW Anteile nach Altersgruppen zuordnen können hier dann eben je nach der Durchdringungsgrad der von der E-Mobilität die wir angenommen haben den Anteil der E-Fahrzeuge verwendet vom Statistischen Bundesamt haben wir dann die Zeit Verwendungs Erhebung genutzt das heißt das ist die durchschnittliche Zeitverwendung von Personen pro Tag nach Zweck und es dann in Kategorien zugeordnet dann an vom Deutschen Mobilitätspanel haben
wir die Fahrstrecke pro Tag die Fahrten pro Tag und die Weglängen pro Nutzungen noch verwendet und dann die geht Distanzen aus verschiedenen Quellen nach der ganzen Sichtung von
den Daten sind wir dann auf diese 4 Gruppen gekommen also die Altersklassen von 18 bis 21 und 18 ist der alte Führerschein nicht vorhandenes wegen eines dieser Altersgruppe und von der Zeit verwenden ist nicht interessiert dann an 30 bis 44 45 bis 64 und die ab 65 Jährigen wir haben immer die Klassen so zusammengefasst dass die an Zeitverwendung in sehr ähnlich waren zu die Gruppen gebildet das deckt sich dann mit der Zeitverwendung auch mit den Kategorien der Brand auf entlässt den OSM Daten also man sieht nur mit dem verbringt er den größten Teil eben am Wohnort er dann ein sehr großen Teil bis 64 im Bereich Erwerbstätigkeit und Bildung und der Rest ist dann eben zugeordnet worden zu den 2 Kategorien Einkaufen und Freizeit und der ganz kleine Zeit ist die unterwegs seid wirklich war dann im PKW oder zu Fuß verwirrend
diese Nutzergruppen und die Pantoffeln entlässt den haben wir dann die geht das Tanzen zugeordnet es haben sich dann hier wieder 6 verschiedene Distanzen ergeben bei der Arbeit ist das wann 500 Meter für alle Bereiche dann bei den über 65 Jährigen fällt der Bereich dann weg ja eigentlich lernen im Bereich einkaufen sind die 100 Meter zur Durchschnittsgröße von am Parkplatz die man bereit ist zu laufen und in den Bereichen Wohnen und Freizeit haben wir dann eben die Klasse ab 65 angeglichen ist endlich die Bereitschaft halbiert worden
und das ist dann das Modell das wir gerechnet haben aber die Input Daten sind jetzt eben die Point auf ein Plus aus in den USA einen Datensatz der Straße Netzwerk aus dem US einen Datensatz es wird dann eine Auswahl getroffen nach den beim das Impress Wohnen Arbeiten und Einkaufen dienen werden an die Nutzer zugeteilt mit der Zeitverwendungen und der Häufigkeit also wie wie oft werden wir denn diesen Freund auf irgendwas an und wie lange bleibt man dort dann ist das Ganze noch kombiniert worden mit dem mit der Weglängen also wie viele Kilometer fährt man denn zu einem Freund auf das haben mehr als dem Mobilitätspanel verwendet die Kilometern in Kilowattstunden umgerechnet und dann kommt am Schluss wenn man das dann durchlaufen lässt in ein Raster aus in dem alle aufsummierten lade Bitterfeld je ein auf entriß gezeigt werden man sie dann einfach die Bereiche die Hotspots mit dem größten leidet Wirtschaft er die ganze gibt am Ende von diesen Modellen seinen ungefähr 100 Tausend 1 Chef falls rausgekommen in der 1. Berechnungen während des mit einer Toolbox fahren es liege rechnet das hat unglaublich lange gedauert für ein Beispiel Gebiet das vor der im Dorf das es ungefähr 12 Stunden gedauert haben es dann aber auch mit einer dem Open-Source-Tool versucht deshalb die 5 Sekunden gedauert und wir werden jetzt versuchen das ganze Modell schrittweise in die Augen seines Tools zu überführen und das einzigartige Modell dann dort einfach dazu stellen wir das einfach viel schneller geht am Schluss sind wir wirklich 100 Tausend 1 zerschellt falls und 8. rastert hab ich 8 GB und ist nur für 6 Landkreise also da kann auf jeden Fall noch was optimieren an dem ganzen des ist eines der 1.
Beispiele sind es die 1. Darstellung mit den aus aufsummierten leidet der Daten die roten Punkte sind die Hand auf ein festes die wir ausgeschlossen haben das sind zum Beispiel Straßenschildern auch oder was ist noch dabei irgendwelche in also irgendwas ist nicht relevant ist vom eben nicht länger dort bleibt man sie jetzt schon also was was eindeutig ist im Ort der sehr schwarze Bereich ist natürlich klar dass das mittlerweile Bedarf ist weil das viele prangt auf entlässt sind das sind wahrscheinlich Metzger Bäcker Arbeitgeber andere öffentliche Einrichtungen der doch entsteht natürlich hier hohe Leute bitte auf aber die grün markierten Punkte das sind eben jetzt hier ein Beispiel ein Restaurant klarer Klettergarten und Museum wie man sieht es auch hier ein mittlerer Lage bedarf es sich dann da er das kristallisieren mit dem Aszendenten 1. dass man es vielleicht nicht bedacht hätten also für die Hotspot ist ist schon ganz gut aber innerhalb von diesem schwarzen Bereich wer es theoretisch überall möglich die sollen hinzustellen es liegt alles in einer annehmbaren geht es tanzen aber das ist natürlich jetzt nicht ideal genau das sollte die könnte theoretisch noch über 400 Meter weg sein von allen Konto in Chats deswegen haben wir versucht das Ergebnis zu optimieren
und zwar in dem wir noch minimale die Distanzen berechnet haben das heißt wenn für jeden auf entgleist in einer Staffelung von 25 Metern Einzugsgebiete berechnen und anders dann auch wieder umgerechnet und aufsummiert und dann zusammen kombiniert so sieht das dann
aus diese beiden Punkte wie und es 110 hat in diesem Fallbeispiel 2. Band auf Angeles der Atem des Pan Entschluss den sehr hohen lade Bedarf mit einer höheren geht es einst der Parndorf Industrie er weniger tolerierte geht es dann dies geringeren und mit dem aufsummierten 1. Modell als er aus den 1. Schritt wär es möglich innerhalb von dem ganzen Kreis Allah das sollte zu platzieren wenn man das Ganze aber kombiniert mit dem 2. Modell von der minimalen geht es tanzt dann fällt der Punkt von der vom Standard der Ladesäule direkt auf und 1. direkt auf den roten Punkt kombiniert man bis
jetzt noch mit mehreren Standorten die sich überschneiden dann haben wir jetzt das Maximum von lade Bedarf in der Intersec Sekt Fläche also dort wo die EU einen Euro schonen .punkt der und und könnte man in diesem Bereich überall eine Ladesäule einstellen wenn es jetzt ein kombiniert mit dem 2. Modell von den minimalen die Distanz dann ist es eben nur noch der rote Punkt zwischen A und B an wird dann des Landes sollen platziert die Nase bei E obwohl es dann noch immer fraglich ist also das muss dann in die Detailprüfung in diesen jetzt genau die Straßenverläufe was ist da noch zwischen den beiden Punkten und ist man dann als Nutzer wirklich bereit wären jetzt die beiden Punkte E Baumärkte zum Beispiel war vielleicht nicht bereit die 200 Meter in die Mitte zu laufen haben
das Ganze an den Standort Plattling versucht doch zu rechnen und des ist
jetzt das Ergebnis was damit den
aufsummierten einlade Bedarfen des 7. März noch mal das was von in den Kreisen dargestellt war die rote Fläche stellt die Fläche mit dem höchsten laden wir darauf da und innerhalb von dieser ganzen roten Fläche wie es Ihnen möglich Ladesäulen zu platzieren und wenn man es jetzt aber alles sehr weit links in der EU und Fläche platziert ist natürlich die die Distanz bis zu dem Weindorf entreißt die da jetzt in allem weiß dargestellt sind sehr weit kombinieren man das jetzt mit den mit der Minimierung
der jedes tanzt dann fällt der Standort nicht auf den Punkt 1 der dargestellte sondern auf den Punkt 2 ist zieht Kreise denn den Ladestand rückt näher zu den hoch gewichteten Freund Aufenthalts und Problemen der bei der
Berechnung hatten das 7 hier
ganz gut es haben das in der Welt Definition also in der Klassifizierung von dem Weindorf entscheidest wären sogar Wegweiser mit dem er den Code Tourist-Info zugeordnet wenn man jetzt damit rechnen dass er Tourist Informations Zentrum nur da drunter aufgeführt wird dann ist das problematisch weil alle landete dafür gehen Tourist-Information sind Zentrum zugeordnet werden dann die aufgeteilt werden auf alle Freunds unter diesen trägt das heißt es er tauchen lade Bedarfe Antworten auf und möglicherweise sind weil sie falsch klassifiziert worden sind und der Laden Bedarf an echten Freund auf entlässt also bei der richtigen Information das natürlich total minimiert und verzehrt jeder sollte eigentlich der erhöhte lade Bedarf dargestellt werden aber doch die Verzerrungen doch diese Bildung von das so klasse ist das leider nicht passiert also der Lage das Maximum von landete das hat sich leider verschoben das ist allerdings ein Problem das das ist sehr eindeutig gewesen ist aber schon ausschließen können aber wir wissen es nicht genau weil 20 Tausend Mann auf entriß oder vielleicht noch Fehlerquellen in der Verschlagwortung dann getrennt sind also
das Fazit von dieser ganzen Modellberechnungen kann man sagen dass mit den freien Daten zwar eine schnelle Hotspot der Rechnung möglich ist in der auch
die Nutzergruppen und die Zeitverwendung mit beachtet werden können die Klassenbildung nach dem Freund auf schönes aber auf jeden Fall verbessert werden muss und n auf jeden Fall geprüft werden muss ab und auch die bestehenden Parkplatzflächen und die Gehwege müssen auch integriert werden in diesen Modellberechnungen dann kann allerdings eine weitere Detailbetrachtung
dieser schnell berechneten Hotspots erfolgen indem man das Ganze noch mit Daten zum Netz für die Energieversorgung kombiniert auch mit Speichermöglichkeiten vor Ort auch mit den vorhandenen erneuerbaren Energien Anlagen vor Ort mit einer Wirtschaftlichkeitsberechnung von den Laden sollen und eben vielleicht auch mit besseren Daten oder genaueren Daten von den Gemeinden zogen den Bereichen Tourismus und Arbeitgeber zahlen oder Gewehr begrüßen ja das was einen
Sprung haben Sie danach fragen sich 2
Jahres sind fragen und
konnte dir Gründe dafür ausmachen warum die Berechnung mit den Open Source Sophie schneller wartet mit dem proprietären das nein bis jetzt noch nicht das ist allerdings sehr frisch die Erkenntnis er wissen will wem dann das ganze Modell überzuziehen wissen wirklich ich weiß es bis jetzt leider nicht sie hat sich ja wahrscheinlich bei vielen schneller das wollen wir nicht das ist den Stromanschluss die Leitung Verteilerkasten spielt auf ja im in dem Forschungsvorhaben hatte auch ein Projektteam gegeben haben sich mit dem Wirtschaftlichkeitsberechnungen von den Laden sollen beschäftigt und 100 unterschiedliche Systeme einem berechnet also nicht mehr schnell Ladesysteme die Ansicht auch mit vorhandenen Leitungslängen oder auch mit den Kosten von neue Leitungen am beschäftigt unter einem ab 4 verschiedene Fälle durchgereicht das muss man jetzt eben noch integrieren und das Ganze also man müsste jetzt sagen dass alle diese Hotspot Berechnungen eben mit dem vorhandenen Leitungen kombinieren und damit den Wirtschaftlichkeitsberechnungen aus der anderen Arbeitsgruppen für die Modellierung des Bedarfs an Ladys sollen diesen Bestand an vorhandenen latest sollen der wurde dafür nicht mehr zugrunde gelegt oder sage ich mal als Zusatzinformation verwendet oder an denen man nicht mit weil des würde doch der Änderungen bringen wenn ich weiß es ich habe stellen dann schon Ladesäulen sollen sich ernähren können weil ich wusste dass ich das richtig verstanden habe der meinem Anschlussfrage wegen der die Stromzufuhr wenn ihr sagt doch soll Leute sollen dem in dem Film überhaupt zu ihr und oder er wie überhaupt Strom immer liefern oder gab es zu teilweise auch Probleme das ist damit technisch möglich vor einen also eine loswerden wollen Nahles eigentlich jetzt ja genau das ist bei mir leider erst der unweit des war
Besprechung/Interview
Angewandte Informatik
Computeranimation
Computeranimation
Wahrscheinlichkeitsverteilung
Systemplattform
Gebiet <Mathematik>
Mathematische Größe
Spannweite <Stochastik>
Laden <Datenverarbeitung>
Systemplattform
Computeranimation
Laden <Datenverarbeitung>
Computeranimation
Parametersystem
Kategorie <Mathematik>
Meter
Datenmodell
Familie <Mathematik>
Laden <Datenverarbeitung>
Hausdorff-Raum
Computeranimation
Parametersystem
Meter
Verweildauer
Datenmodell
Berechnung
Computeranimation
Einfache Genauigkeit
Kopplung <Physik>
Datensatz
SOKRATES <Bibliotheksinformationssystem>
Pfad <Mathematik>
Kategorie <Mathematik>
Berechnung
Computeranimation
Quelle <Physik>
Kategorie <Mathematik>
Computeranimation
Objektklasse
Kategorie <Mathematik>
Verweildauer
Computeranimation
Summe
Objektklasse
Rundung
Datennetz
Berechnung
Ein-Ausgabe
Computeranimation
Wendepunkt
Typ <Informatik>
Abstand
Informationsmodellierung
Datensatz
Meter
Meter
GNU <Software>
Gebiet <Mathematik>
Gebiet <Mathematik>
Vakuum
Chatten <Kommunikation>
Meter
Computeranimation
Kreis
Punkt
Meter
Meter
Maximum
Formation <Mathematik>
Punkt
Computeranimation
Laden <Datenverarbeitung>
Kreisfläche
Minimierung
Fläche
Computeranimation
Punkt
Minimierung
Berechnung
Verzerrung
Maximum
Laden <Datenverarbeitung>
Information
Berechnung
Computeranimation
Laden <Datenverarbeitung>
Computeranimation
Open Source
Berechnung
Angewandte Informatik
Laden <Datenverarbeitung>
Systems <München>
Computeranimation

Metadaten

Formale Metadaten

Titel OSM-basierte Standortmodellierung von Ladesäulen für Elektromobilität am Beispiel des Bayerischen Waldes
Serientitel FOSSGIS-Konferenz 2017: Passau 22. - 25. März 2017
Autor Marquardt, Anna
Lizenz CC-Namensnennung 3.0 Deutschland:
Sie dürfen das Werk bzw. den Inhalt zu jedem legalen Zweck nutzen, verändern und in unveränderter oder veränderter Form vervielfältigen, verbreiten und öffentlich zugänglich machen, sofern Sie den Namen des Autors/Rechteinhabers in der von ihm festgelegten Weise nennen.
DOI 10.5446/30519
Herausgeber CCC VOC
FOSSGIS e.V.
Erscheinungsjahr 2017
Sprache Deutsch

Inhaltliche Metadaten

Fachgebiet Informatik
Abstract Trotz der staatlichen Förderung von Elektromobilität stagniert der Verkauf von Elektrofahrzeugen auf niedrigem Niveau. Ein Hauptgrund hierfür wird in der mangelhaften Ladeinfrastruktur insbesondere in ländlichen Räumen gesehen, wo große Ansprüche an Reichweiten und den Individualverkehr gestellt werden. Ausgehend von dieser Problemstellung präsentiert der Vortrag einen GIS-basierten Ansatz, wie sich räumliche Hotspots für Ladeinfrastruktur modellieren lassen. Dabei werden Einzugsgebiete um verschiedene Point of Interests (POIs) berechnet und in einem Gravitationsmodell mit Nutzungsdaten zusammengeführt. Datengrundlage sowohl für die Berechnung der Einzugsgebiete als auch für die POIs ist OpenStreetMap. Neben den räumlichen Distanzen ist die zeitliche Frequentierung und die Verweildauer an den jeweiligen Orten ein wesentlicher Einflussfaktor. Hierzu werden Nutzergruppen, z.B. nach Alter, Geschlecht, Familiensituation, Freizeitverhalten oder Arbeitssituation, definiert und in Bezug zu den jeweiligen POI gesetzt. Dabei gilt, je häufiger und länger sich eine Nutzergruppe an einem Standort aufhält, desto höher wird der Standort hinsichtlich des Bedarfs an Ladeinfrastruktur gewichtet. Die Daten zur Bildung der Nutzergruppen sind ebenfalls frei verfügbar. Innerhalb der modellierten Hotspots lassen sich schließlich konkrete Ladesäulenstandorte über die Gehdistanzen zwischen Parkmöglichkeiten und Zielort (POI) identifiziert. Die präsentierten Ergebnisse zeigen die exemplarische Anwendung des Standortmodells für die Region Südostbayern, im dortigen E-WALD-Projektgebiet. Die Vorgehensweise ist jedoch auf beliebige Regionen übertragbar.
Schlagwörter Freie Daten

Zugehöriges Material

Ähnliche Filme

Loading...