Kostenlose Geocodierung in SAS©: Die Basis für räumliche Datenaggregationen und Small Area Methoden

Das amtlich-postalische Gliederungssystem PAGS beinhaltet alle amtlichen Raumstrukturen bis hin zur postalischen Anschrift in einem einzelnen Haus. PAGS dient als ’sinnvoller‘ Schlüssel, um nachgelagerte Datenaggregationen und Anonymisierungen von Einzeladressen zu ermöglichen. Ganz im Sinne der DSGVO §5 (Datenminimierung, Speicherbegrenzung).

Damit zukünftig auch SAS©Anwender postalische Adressen mit dem PAGS-Schlüssel anreichern können, stellt infas 360 nun eine kostenlose Schnittstelle zum PAGS Coder zur Verfügung. Der PAGS Coder validiert eingehende Adressen auf ihre Richtigkeit, korrigiert diese gegebenenfalls und reichert jede Adresse um die amtlich-postalische Struktur von der Gemeinde (AGS8) über den Stadt- und Postortsteil (AGS11/AGS16), amtlicher Siedlungsblock (AGS20) mit Straßenblockseite (AGS22) bis zum Einzelhaus (AGS25 und AGS27) an.

Der PAGS Coder für SAS© ist ein Plugin, das über den Add-In-Manager in SAS©Enterprise angesteuert werden kann (siehe Abbildung)

Geocodierung in SAS©

Sie sind SAS©Anwender und interessieren sich für das kostenlose Plugin oder möchten weitere Informationen zu den Vorteilen einer Geocodierung von Adressen erfahren, dann kontaktieren Sie unser Consulting-Team unter Consulting@infas360.de

 

 

In Germany Open Data is on fire: Roof Types are now available for every building with an address. And without.

Big Data is growing. So Open Data does. Four of the German Federal States Berlin, Hamburg, North Rhine-Westphalia and Thuringia follow strictly an open data strategy. They offer public geodata for free.

This geodata contains i.a. 3D-data about buildings in LoD2 (Level of Detail 2). LoD2 reveals Roof structures and types such as Flat Roofs, Mansard Roofs, Open Gable Roofs, Box Gable Roofs etc.

Picture: 3D-Buildings in LoD2 in Bonn, Germany. Source: Open Data NRW.

The big data specialist infas 360 combines this data with addresses and all other open & public data, so that in result one of the biggest German databases describes 22 Million buildings by more than 700 variables. And 23 Million more without an address such as storage buildings.

For further questions feel free to contact one of our data Consultant Consulting@infas360.de

 

Dafür brauchen Sie keinem mehr aufs Dach zu steigen! Ob Flachdach, Sattel- oder Walmdach – alle Dachformen für alle Häuser verfügbar.

Angenommen Sie sind Dachdecker und möchten wissen, welche Form das Dach eines Gebäudes hat, ohne zu der Adresse hinfahren zu müssen – und angenommen Sie möchten jetzt auch noch wissen, wieviel Quadratmeter Fläche dieses Dach hat, ohne auf das Dach steigen zu müssen – dann, ja dann könnte der neue Datensatz der infas 360 genau das richtige sein:

Dank der Open Data Initiative der Länder Berlin, Hamburg, NRW und Thüringen (weitere werden folgen) sind amtliche Daten als 3D-Gebäudedaten im Leven-of-Detail 2 (LoD2) frei verfügbar. Das bedeutet, dass nicht nur Gebäudehöhe zu einem Gebäude bekannt ist (Klötzchenmodell), sondern auch die Dachstrukturen und damit die Dachtypen geometrisch angegeben werden.

Abbildung 1: LoD2 am Beispiel Bonn am Stadthaus, Quelle: Open Data NRW. 

infas 360 bereitet diese Daten nun so auf, dass zu jeder Adresse die Dachform (Flach, Sattel-, Walm-, Zeltdach usw.) und die dazugehörende Dachfläche angegeben werden kann. Beispielhaft wird der o.g. Ausschnitt nachfolgend in Google Maps 3D dargestellt. Hier sieht man graphisch die Verbindung aus 3D-Gebäudedaten und Straßen (Adressen)

Abbildung 2: 3D-Gebäudedaten mit Adressen am Beispiel Bonner Stadthaus, Quelle: Google Maps. 

Damit jedoch nicht genug. Als Spezialist für Small Area Methoden verfügt das Bonner Big Data Unternehmen über moderne statistische Schätzmethoden, um die frei verfügbaren LoD2-Daten der 4 Bundesländer auf die restlichen 12 und damit die gesamte Bundesrepublik zu übertragen.

Sie wollen so z.B. wissen, wieviel Solarfläche in einer bestimmten Adresse in Frankfurt a. M. (Hessen) oder Hannover (Niedersachsen) installierbar wäre? Das lässt sich nun berechnen. Insgesamt für ca. 22 Mio. Gebäude mit einer Adresse und auch für weitere rund 23 Mio. Gebäude ohne postalischer Adresse (z.B. für eine Werkshalle in einem Industriegebiet). Kombiniert man diese Informationen mit der mikrogeographischen Datenbank CASA, die rund 700 weitere Merkmale beinhaltet, ergibt sich ein beliebiges „Gebäude-Tiefenprofil“.

Sie interessieren sich für 3D-Gebäudeinformationen? Dann kontaktieren Sie uns unter Consulting-Team unter Consulting@infas360.de