NO:
Dette datasettet viser boligsoneparkeringer i Stavanger kommune. Oppdateres daglig
Dataformat:
- GEOJSON: Datasettet er tilgjengelig i GEOJSON-format, som muliggjør enkel visualisering og geografisk analyse av lokasjoner.
- KML: Datasettet er tilgjengelig i KML-format, som er et geografisk filformat utviklet for bruk i geografiske informasjonssystemer (GIS). KML-filer inneholder geografisk informasjon, som punkter, linjer og polygoner, samt annen tilleggsinformasjon som kan brukes til visualisering og analyse av geografiske data.
- GPX: Datasettet er tilgjengelig i GPX-format, som er en standardfiltype for utveksling av GPS-data. GPX-filer inneholder spor og ruter som er logget av GPS-enheter, og de kan brukes til å vise og analysere reise- og bevegelsesdata.
- TopoJSON: Datasettet er tilgjengelig i TopoJSON-format, som er en komprimert og topologisk optimalisert variant av JSON for geografiske data. TopoJSON-filer kan brukes til å representere komplekse geometrier som topologiske relasjoner, og de er spesielt nyttige for effektiv visualisering og analyser av store geografiske datasett.
EN:
Housing zone-parking in Stavanger. Updated daily
Data formats:
- GEOJSON: The dataset is available in GEOJSON format, which enables easy visualization and geographic analysis of locations.
- KML: The dataset is available in KML format, which is a geographic file format developed for use in Geographic Information Systems (GIS). KML files contain geographic information such as points, lines, and polygons, as well as additional metadata that can be used for visualization and analysis of geographic data.
- GPX: The dataset is available in GPX format, which is a standard file type for exchanging GPS data. GPX files contain tracks and routes logged by GPS devices, and they can be used to display and analyze travel and movement data.
- TopoJSON: The dataset is available in TopoJSON format, which is a compressed and topologically optimized variant of JSON for geographic data. TopoJSON files can represent complex geometries with topological relationships, and they are particularly useful for efficient visualization and analysis of large geographic datasets.
