This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
Abgabe: 30.10.2020 bis 20 Uhr
INFO:
- Die Website kann, je nach Internetverbindung, bis zu 15 Sekunden laden. Der Ladevorgang ist abgeschlossen, wenn die Steuerelemente in der Karte von Aufgabe 3 angezeigt werden.
- Es wurde alles mit Google Chrome 87 entwickelt und getestet.
Aufgabe 1: Bevölkerungsdichte in Europa (5 Punkte)
Aufgabenstellung
Erstellen Sie eine Karte, die die Bevölkerungsdichte in Europa darstellt. Verwenden Sie dazu die Daten aus der Übung. Die Karte können Sie entweder als online-Karte implementieren, oder mit ArcMAP erstellen.
Lösung
- Datasource: https://geojson-maps.ash.ms/
- Tutorial:
Argumentation der Visualisierung
Die Karte zeigt die Bevölkerungsdichte in Europa nach Land.
- Beobachtungsraum: Europäische Länder
- Merkmalsausprägung: Ist die Bevölkerungsdichte der einzelnen Länder, gemessen in Einwohnern pro km2 (quantitativ). Diese wird dargestellt über eine Farbskala mit einem hell-dunkel Farbverlauf. Je dunkler die Farbe, desto höher die Bevölkerungsdichte des Landes.
Dargestellt wird die Karte mit einem OpenStreet Map Grundlayer. Darauf aufbauend wird die GeoJson gelegt. Jedes Feature der GeoJson wird dann entsprechend der Bevölkerungsdichte gefärbt.
Da die GeoJson die gewünschte Eigenschaft nicht liefert, musste sie berechnet werden. Hierzu wurde die Bibliothek "Turf" genutzt, um aus den Polygonen der GeoJson Features die Fläche in m2 zu berechnen. Mit diesem Wert und der Einwohnerzahl kann dann die Bevölkerungsdichte berechnet werden.
Deployment-URL: http://marcel.schwarz.gitlab.io/geovisualisierung/project-2/
Aufgabe 2: Web-Karte mit Points of Interest (5 Punkte)
Aufgabenstellung
Erstellen Sie eine Web-basierte Karte, auf der Sie mindestens 15 verschiedene Points of Interest für Erstsemester in Stuttgart als Marker darstellen. Die Points of Interest sollen zu verschiedenen Kategorien gehören, z.B. Essen und Trinken, Kunst & Kultur (Kino, Museum, etc.), Wohnen. Die verschiedenen Kategorien sollen durch unterschiedliche Marker dargestellt werden. Es soll auch möglich sein, verschiedene Kategorien ein- und auszublenden . Verwenden Sie zum Erstellen der Karte wie in der Übung Leaflet. Sie können gerne auch eine andere JavaScript API nutzen, wenn Sie das besser finden.
Lösung
POIs:
- ÖPNV
- Rotebühlplatz (Q5GC+6F Stuttgart)
- Stuttgart Hauptbahnhof (Q5MM+W7 Stuttgart)
- Börsenplatz (L-Bank) (Q5JG+2W Stuttgart)
- Seilbahn (Q44R+9V Stuttgart)
- Zahnradbahn (Q579+MC Stuttgart)
- Essen und Trinken
- Mensa Stuttgart (Q5J9+CR Stuttgart)
- Ochs'n Willi (Q5HG+6Q Stuttgart)
- Königsbau (Q5HH+Q5 Stuttgart)
- HFT Block 4 (Q5JF+52 Stuttgart)
- Kunst und Kultur
- Mercedes-Benz Museum (Q6QM+7H Stuttgart)
- Porsche Arena (Q6VH+86 Stuttgart)
- Porsche Museum (R5M3+M2 Stuttgart)
- Fernsehturm (Q54R+82 Stuttgart)
- Staatsgalerie (Q5JP+3J Stuttgart)
- Schloss Solitude (Q3PM+MP Stuttgart)
- Natur
- Wilhelma (R635+M5 Stuttgart)
- Grabkapelle auf dem Württemberg (Q7J9+HG Stuttgart)
- Schlossgarten (Q5QR+V7 Stuttgart)
- Aussichtspunkt Burgholzhof (R59M+8M Stuttgart)
Argumentation der Visualisierung
- Beobachtungsraum: Stadt Stuttgart
- Merkmalsausprägung: Points of Interests für Studierende, in Geokoordinaten.
Die Karte hat ebenfalls einen OpenStreet Map Grundlayer zur Darstellung der Karte. Darauf liegen dann 4 weitere Layer, repräsentativ für die entsprechende Kategorie. Diese Layer können gleichzeitig oder jeweils einzeln auf dem Grundlayer angezeigt werden.
Deployment-URL: http://marcel.schwarz.gitlab.io/geovisualisierung/project-2/
Aufgabe 3: Karte Sustainable Indicators in Europa (5 Punkte)
Aufgabenstellung
Die Vereinten Nationen (UN) haben unter dem Titel „Transformation unserer Welt: die Agenda 2030 für nachhaltige Entwicklung“ Ziele für eine nachhaltige Entwicklung festgelegt. Die Erreichung 17 sog. Sustainable Development Goals (SDG) wird durch verschiedenste Indikatoren von den UN für jedes Land der Erde jährlich überprüft. Diese Daten stehen in einer Datenbank zur Verfügung. Die Schnittstelle zu dieser Datenbank ist mittelmäßig, aber immerhin können Sie die Daten als csv-Datei pro Indikator herunterladen.
Erstellen Sie eine web-basierte Karte, die die
- 6.1.1 Proportion of population using safely managed drinking water services, und
- 6.2.1 Proportion of population using safely managed sanitation services (SH_SAN_SAFE)
für die europäischen Länder in den Jahren 2015 bis 2017 darstellt. Sie können hierzu die Leaflet oder die ArcGIS JavaScript API von Esri verwenden. Aber gerne auch eine andere JavaScript API, viele APIs für Diagramme unterstützen auch Choropletenkarten. Die Datenaufbereitung ist hierzu leider etwas umständlich, daher die Beschränkung auf 3 Jahre und die europäischen Ländern.
Zusatz Informatik: während die Informationslogistiker (3. Semester) die Daten im JavaScript kodieren dürfen, müssen die Informatiker (6. Semester – da können Sie ja schon mehr) die Daten aus dem in Aufgabe 2 erstellten Webservice einlesen, um die volle Punktzahl zu erreichen. Änderungen aus der csv-Datei der UN dürfen vorgenommen werden, z.B. um die Ländernamen auf der Karte zuzuordnen.
Lösung
Links
- https://unstats.un.org/sdgs/indicators/database/
- https://unstats.un.org/sdgapi/swagger/#!/Series/V1SdgSeriesDataGet
- https://www.npmjs.com/package/axios
Argumentation der Visualisierung
- Beobachtungsraum: Europäische Länder
- Merkmalsausprägung:
- Zum einen der prozentuale Anteil der Bevölkerung eines jeweiligen europäischen Landes, welche freien Zugang zu sanitären Anlagen haben, pro Jahr.
- Zum anderen der prozentuale Anteil der Bevölkerung eines jeweiligen europäischen Landes, welche freien Zugang zu sauberen Trinkwasser haben, pro Jahr.
Auch hier ist die Karte über einen OpenStreet Map Grundlayer realisiert. Die Informationen der Merkmalsausprägung wurden dann auf diese Layer einzeln aufgeschaltet. Die Zuordnung der Länder geschieht hierbei durch Vergleichen des englischen Ländernamens. Das bedeutet, es kann zwischen den Jahren und der sanitären/Wasser-Service Ausprägung umschalten. Eine Überlagerung der einzelnen Layer hat hier keinen Sinn ergeben, da dies sonst das Ergebnis verfälschen würde und so keine Aussage über den jeweiligen prozentualen Anteil auf das Jahr machen kann. Zudem ist die Farbskala von rot nach grün, wobei rot der schlechteste Wert ist und grün der beste. Auch die Skala ist nicht linear, da sich viele Werte in der oberen Region nur marginal unterscheiden. Die Skala wird zudem zwischen den beiden Wertekategorien nicht verändert, um die Vergleichsmöglichkeit zwischen den beiden Reihen aufrechtzuerhalten.
Weiter sind im gegebenen Datensatz nicht für alle Länder Werte für alle Jahre vorhanden. Sollte es für eine Auswahl von Series und Jahr keinen Wert geben, wird dieses Land aus der Anzeige der GeoJson entfernt. Es erschien uns falsch einen Wert wie 0 oder 100 für diese Länder anzuzeigen, da dies vermitteln würde, dass diese Länder gut/schlecht abschneiden, obwohl schlichtweg keine Daten vorhanden sind.
Deployment-URL: http://marcel.schwarz.gitlab.io/geovisualisierung/project-2/