News BLOG / EVENTS / PRESSE

Unser Toolkit – Teil 3: Räumliche Filter

Anknüpfend an die beiden ersten Beiträge dieser Blogreihe möchten wir Ihnen heute ein weiteres Werkzeug aus unserer Toolbox vorstellen: der Spatial Filter. Doch wofür benötigt man ihn und wie genau wird er verwendet?

Der Spatial Filter dient dazu, ein Gebiet nach gewissen Gesichtspunkten zu filtern. Sie wählen eine Region aus und lassen sich hierfür nur noch Gebäude anzeigen, die gewisse von Ihnen gewählte Kriterien erfüllen.

Hilfreich ist das bei verschiedenen Fragestellung, zum Beispiel:

  • Welche Gebäude sind in einem Gebiet mit einem Durchschnittsalter der Bewohner zwischen 30 und 40 Jahren und mehr als fünf Gehminuten von einer öffentlichen Ladesäule entfernt?
  • Wo ist der Energiebedarf von Gebäuden hoch und es gibt keine Gas- oder Fernwärmeanschlüsse?
  • Von welchen Gebäuden aus können Sie einen Bäcker, einen Supermarkt und ein Restaurant in maximal fünf Gehminuten erreichen?
  • Welche Parkplätze befinden sich in der Nähe von einem Café oder einem Supermarkt?

 

Der Spatial Filter ermöglicht das Filtern von Objekten nach ihren Attributen (interner Filter) und mit räumlichen Zusammenhängen untereinander (externer Filter). Wir differenzieren also zwischen internen und externen Filtern. 

Interne Filter umfassen beispielsweise Informationen, die sich auf ein Gebäude selbst beziehen, also der Wärmebedarf oder das Baujahr. So können Sie sich beispielsweise gezielt die Gebäude anzeigen lassen, die vor 1980 gebaut wurden oder einen Wärmebedarf von über 30.000 kWh pro Jahr aufweisen.

Externe Filter hingegen nehmen Bezug zur Umgebung, also die Nähe zu einem Supermarkt, zur nächsten öffentlichen Ladesäule oder dem Fernwärmenetz.

 

Wie unterscheiden sich Datenebenen von Filterebenen?

Die Geospin Ebenen beziehen sich jeweils auf eine Datenquelle. Sie können sie im Assistenten in unserem Portal auswählen und sich dann beispielsweise Ladeinfrastruktur, Altersstrukturen oder Supermärkte auf der interaktiven Karte als separate Datenebene einblenden lassen. 

Filterebenen hingegen kombinieren bereits verschiedene Faktoren innerhalb einer Analyse und sorgen so für eine Zeitersparnis. Die Erreichbarkeitsanalyse, die Sie aus dem ersten Artikel kennen, ist bei den Filterebenen mit inbegriffen, wenn zum Beispiel die Gehentfernung zum öffentlichen Nahverkehr mit einbezogen wird. Auch die Standortbewertung findet hier automatisch statt, so kann zum Beispiel die Distanz zu den nächsten Essensmöglichkeiten direkt berücksichtigt werden.

 

Betrachten wir die Filter einmal anhand von Beispielen:


Immobilienwirtschaft

Wenn Sie auf der Suche nach einem geeigneten Bürogebäude sind, könnte Ihr Filter zum Beispiel so aussehen:

Kopie von Überschrift hinzufügen (4) (1) (1)
Karte 1: Darstellung der Ergebnisse eines Spatial Filters im Location Intelligence Portal 

 

Hier werden potenzielle Bürogebäude um eine angegebene Adresse angezeigt. In diesem Filter ist eingestellt, dass das Gebäude maximal fünf Gehminuten von der nächsten Bushaltestelle entfernt sein soll und die nächste Essensgelegenheit in höchstens fünf Minuten zu Fuß erreichbar sein sollte. Die Gehminuten lassen sich anpassen. Sie können außerdem den Kartenausschnitt ändern und die Filterebene neu berechnen lassen. 



Energieleitplanung

Nachhaltigkeit ist das große Thema, um heutigen Herausforderungen entgegenzutreten und die Wärmeversorgung hat gerade für Kommunen enorme Priorität. Wie lässt sich die Wärmeversorgung nachhaltig gestalten? 

Auf Karte 2 sehen Sie zwei Ebenen mit zufällig generierten Daten. Einerseits ist ein Fernwärmenetz in grün abgebildet und andererseits sehen Sie Gebäudeumrisse sowie den Wärmeverbrauch der Gebäude. Je heller das Gebäude, desto höher der Wärmebedarf. Sinnvoll ist es nun, das Fernwärmenetz dort weiter auszubauen, wo der Wärmebedarf sehr hoch ist. 

22-04 Demo Wärme (1)
Karte 2: beispielhafte Visualisierung eines Fernwärmenetzes und des Wärmebedarfs von Gebäuden

 

In diesem kurzen Video sehen Sie, wie sich mit unserem Spatial Filter die Distanz zur Fernwärmeleitung mit dem Wärmebedarf von Gebäuden in Verbindung setzen lässt. Sie können die Filterebene beliebig ein- oder ausblenden und den minimalen Wärmebedarf sowie die Distanz zur Fernwärmeleitung anpassen. Mithilfe des Spatial Filters können Sie sich also beispielsweise gezielt die Gebäude anzeigen, die einen hohen Wärmebedarf haben und nah am Fernwärmenetz sind. 

HubSpot Video


Video 1: Spatial Filter, der Gebäude mit hohem Wärmebedarf in der Nähe des Fernwärmenetzes zeigt

 

 

Ladeinfrastruktur

Im folgenden Video lässt sich sehr gut beobachten, wie sich die Kartenansicht verändert, wenn die Daten angepasst werden. Die vorhandenen AC- und DC-Ladesäulen sind fix. Die Ansicht der Gebäude ohne Ladeinfrastruktur verändert sich bei Anpassung der Gehminuten. Zunächst sollen Gebäude angezeigt werden, von denen aus in 5 Minuten keine öffentliche Ladesäule erreicht werden kann. Bei einer Erhöhung auf 9 Gehminuten reduziert sich die Anzahl der Gebäude.

HubSpot Video


Video 2: Spatial Filter, der Gebäude in Abhängigkeit von ihrer Entfernung zu öffentlichen Ladesäulen anzeigt


 

Die Vorteile des Spatial Filters auf einen Blick:

  • ein Filter, der Objekte unter Einbeziehung ihrer räumlichen Beziehung filtert, existiert so bisher nicht
  • vielseitige Kombinationsmöglichkeiten von räumlichen Beziehungen zu einem Objekt
  • individuelle Fragestellung lassen sich abbilden
  • große Zeitersparnis
  • Echtzeitberechnung

 

Sind Sie neugierig geworden? Melden Sie sich kostenfrei an und testen Sie den Spatial Filter selbst! Hier erfahren Sie, wie das geht.

Jetzt kostenlos testen!

 

 

Related Articles

Unser Toolkit – Teil 4: Räumliche Analyse

Anknüpfend an die beiden ersten Beiträge dieser Blogreihe möchten wir Ihnen heute ein weiteres Werkzeug aus unserer Toolbox...


Topics: Location Intelligence

Mit Künstlicher Intelligenz zu den optimalen Ladestandorten - Ausbau der öffentlichen Ladeinfrastruktur am Beispiel der enwag GmbH

Anknüpfend an die beiden ersten Beiträge dieser Blogreihe möchten wir Ihnen heute ein weiteres Werkzeug aus unserer Toolbox...


Topics: Location Intelligence

Unser Toolkit – Teil 2: Standortanalyse

Anknüpfend an die beiden ersten Beiträge dieser Blogreihe möchten wir Ihnen heute ein weiteres Werkzeug aus unserer Toolbox...


Topics: Location Intelligence