Auswertung von Fahrdaten aus digitalen Tachographen
Beginn: 2023
Artikel und Bücher
Alle
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022
2023
2024
Luhmann, T. (2023):
Nahbereichsphotogrammetrie – Grundlagen, Methoden, Beispiele. 5. Auflage, Wichmann Verlag, Offenbach/Berlin
, Weblink
Garms, M.; Leiz, M.; Mayer, M. (2023):
Perception of climate change-related forest dieback in mountain forests among the local population. European Journal of Forest Research
, doi: 10.1007/s10342-023-01627-z , Weblink
Luhmann, T. (2023):
Photogrammetrie. Schmitt/Dietrich (eds.): Handbuch Messtechnik in der industriellen Produktion, Carl Hanser Verlag, München
, Weblink
Leiz, M.; Moon, K.; Rehner, L.; Stentzel, U.; Radicke, R.; Hoffmann, W.; van den Berg, N. (2023):
Population-Based, Spatial Analysis of Specialised Ambulatory Palliative Care in Mecklenburg-Western Pomerania, Germany, on the Basis of Reimbursement Data. International Journal of Environmental Research and Public Health (IJERPH)
, doi: 10.3390/ijerph20032231 , Weblink
Breyer, G.; Schückel, U.; Arbizu, P.M.; Ricklefs, K.; Pesch, R. (2023):
Prädiktive Modellierung des Bäumchenröhrenwurms im Schleswig- Holsteinischen Wattenmeer auf Basis von einem Faltungsnetz und Seitensichtsonar-Mosaiken. Umweltinformationssysteme–Vielfalt, Offenheit, Komplexität: Tagungsband des 29. Workshops “Umweltinformationssysteme (UIS 2022)“des Arbeitskreises „Umweltinformationssysteme“ der Fachgruppe „Informatik im Umweltschutz ‘‘der Gesellschaft für Informatik eV (GI) (pp. 131-147). Wiesbaden: Springer Fachmedien Wiesbaden.
, doi: https://doi.org/10.1007/978-3-658-39796-8
Vorträge
Pesch, R.
:
Protect Baltic Stakeholder Conference - Introduction to Session on "Spatial Modelling" (WP3).
PROTECT BALTIC Stakeholder Conference, Espoo, Finnland,
Februar 2024
Ghavimi, A.
:
Geospatial Analysis Applications for Managing Uncertainties in Sustainable Development.
Französisch-deutsches Symposium in Tübingen: Gesellschaftliche Transformationen auf dem Weg zu einer Nachhaltigen Entwicklung Teil 3: Nachhaltige Entwicklung antizipieren und planen? – Zum konstruktiven Umgang mit Ungewissheit und Unsicherheit,
Februar 2024
Weblink
Fincken, M.
:
Machine Learning für flächendeckende Geothermie-Potentialanalysen im Kontext der geodatenbasierten Wärmeleitplanung.
36. Oldenburger Rohrleitungsforum,
Februar 2024
Sieberth, T.
:
Computer und Kommunikation.
Computer und Kommunikation, Deutschland Radio,
Januar 2024
Weblink
Projekte
Gefördert durch: Zentraler Kriminaldienst Stendal
Ziel des Projektes ist es, die Fahrdaten (Zeitpunkt und Geschwindigkeit) aus einem digitalen Fahrtenschreiber (Tachograph) auszuwerten, um die Fahrtroute eines Fahrzeuges bestimmen zu können. Hierfür wurde eine Anwendung entwickelt,... mehr
Gefördert durch: Bundesamt für Kartographie und Geodäsie (BKG)
Dieses Vorhaben ist ein Gemeinschaftsprojekt mit dem Institut für Photogrammetrie und GeoInformation (IPI) und dem Institut für Kartographie und Geoinformatik (ikg), beide von der Leibniz Universität Hannover. Es ist das erste Proj... mehr
Gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz
Ziel des Projektes ist es, die klassische Sichtprüfung (VT) von Schweißverbindungen unter Wasser durch ein optisches 3D-Messsystem zu ergänzen. Auf Grundlage von hochauflösenden 2D-(Bild)Daten werden durch photogrammetrische Metho... mehr
Abschlussarbeiten
Konzeption und Entwicklung eines Verfahrens zur Anonymisierung von personenbezogenen und georeferenzierten Verbrauchsdaten im Kontext der kommunalen Wärmeplanung (2023/1)
Kooperationspartner
Spatiotemporal analysis of biodiversity in the North Sea (2022/11)
Kooperationspartner
Alfred-Wegener-Institut: Helmholtz-Zentrum für Polar- und Meeresforschung
Potenzialanalyse von Randflächen an Autobahnen für Windkraft- und Photovoltaikfreiflächenanlagen (2022/11)
Untersuchungen zur Erfassung von spiegelnden und transparenten Oberflächen aus Laserscan-Punktwolken (2022/10)
Bildbasierte Detektion von Rissen in Schweißverbindungen mit den Methoden des Deep Learnings (2022/10)