Unfallkarte
Eine interaktive Karte von polizeilich erfassten Verkehrsunfällen in Deutschland, auf Basis der Daten des Statistischen Bundesamts — filterbar nach Jahr, Beteiligten und Schwere, erkundbar bis hinunter auf die einzelne Straße.
Eine Auswahl laufender Arbeiten rund um Verkehr, Karten und Datenvisualisierung.
Eine interaktive Karte von polizeilich erfassten Verkehrsunfällen in Deutschland, auf Basis der Daten des Statistischen Bundesamts — filterbar nach Jahr, Beteiligten und Schwere, erkundbar bis hinunter auf die einzelne Straße.
Berechnet Steigungen und Höhenmeter für OpenStreetMap-Wege aus digitalen Höhenmodellen — die Datengrundlage für ein Routing, das Anstiege ernst nimmt. Streaming-Verarbeitung mit pyosmium und rasterio.
Verwandelt Mapillary-Straßenbilder in orthorektifizierte „Luftbilder" der Fahrbahn. Aus Structure-from-Motion-Rekonstruktionen entstehen georeferenzierte Mosaike, die Markierungen, Radwege und Beläge genauer als echte Luftbilder zeigen können.
Ein Router auf GraphHopper-Basis, der gezielt Straßen ohne Mapillary-Abdeckung findet und ansteuert — damit sich Lücken in der Street-Level-Abdeckung systematisch schließen lassen.
Web-App zur Berechnung und Darstellung von Isochronen — also Flächen, die in einer bestimmten Zeit erreichbar sind. Straße über GraphHopper, ÖPNV (approximiert) über Transitous, POIs über Overpass; Export als GeoJSON.
Routet von vielen — zufällig erzeugten — Startpunkten zu einem Ziel und stellt das Ergebnis aggregiert und farbcodiert dar (viridis/plasma). Anwendungsbeispiel: Schulwegmodellierung, viele Wohnorte zu einer Schule. GraphHopper-API, Export als GeoJSON.
CLI-Pipeline, die deutschlandweit ermittelt, welche Straßen Mapillary-Abdeckung haben (Pano oder Regulär) — mit rollierendem 30-Monats-Cutoff, 10-Meter-Puffer und einer Schwelle von mindestens 60 % Abdeckung.
Interaktive Karte zur Mapillary-Abdeckung auf Hauptstraßen in Deutschland: je nach Zoom Bundesländer, Landkreise oder Gemeinden, dazu Segmente mit Pano-, Regulär- oder fehlender Abdeckung sowie erkannte Verkehrszeichen. Python-Preprocessing mit MapLibre-Viewer.
Download und Verarbeitung von Verkehrszeichen-Detektionen und Fahrbahnmarkierungen aus Mapillary (Deutschland) — als Grundlage für OSM-Mapping, etwa fehlende Radwege oder Querungen. Wird regelmäßig aktualisiert.
Pure-Python-Reimplementierung von SupaplexOSM/traffic_sign_processing: extrahiert Standorte und Richtungen von Verkehrszeichen aus .osm.pbf (pyosmium, GeoPandas) nach GeoParquet — dazu ein MapLibre-Viewer und ein QGIS-Style.
Visualisierung der Straßennettobreite aus OSM-Daten zusammen mit dem Cycling Quality
Index: Überholbreite für den Radverkehr, faktische Überholverbote und QA für OSM-Tags
wie width und parking. PMTiles plus MapLibre.
Interaktive Analyse, wie sich OSM-Radinfrastruktur durch Edits mit dem Hashtag
#missing-cw_mapillary-signs entwickelt hat — was neu entstand und was nur
präzisiert wurde. Gekoppeltes Sankey-Diagramm und MapLibre-Karte; Datenbasis ist die
ohsome-planet Full-History.