Wo Straßen zu Daten werden

Bei Doobl entwickeln wir eigene Technologie, um Informationen von der Straße in nützliche Daten zu verwandeln – für lebenswertere Städte und bessere Mobilität.

Unsere Technologie

Unsere Technologie

Intelligenz, die auf der Straße entsteht.

Doobl ist ein Technologieunternehmen für urbane Mobilität, das eigene KI-Modelle entwickelt, um den Stadtraum besser zu verstehen.

Wir verbinden VIA (Computer Vision) und DiscentIA (Machine Learning), um Beobachtungen von der Straße in strukturierte Informationen zu verwandeln, Muster zu erkennen und nützliches Wissen für die Mobilität zu gewinnen.

VIA

Pilotphase

Die Straße, in Daten verwandelt.

VIA ist unser Computer-Vision-Modell. Es soll physische Elemente des Stadtraums erkennen und in digitale Informationen verwandeln. Durch die Analyse von Straßenbildern arbeiten wir daran, Daten über den Stadtraum und seine Merkmale zu gewinnen und genauer zu verstehen, wie er organisiert ist.

Blick auf eine Straße aus dem Inneren eines Autos, mit markierten Elementen: Verkehrsschild, Zebrastreifen, Parkschild, Müllcontainer, ein Motorrad und die Fahrbahnmarkierung.
Illustratives Bild der Elemente, an deren Erkennung VIA arbeitet. Technologie in der Pilotphase.

DiscentIA

Eigenes Modell

Daten lernen. Entscheidungen werden besser.

DiscentIA ist unser eigenes Machine-Learning-Modell. Es lernt aus Daten und erkennt Muster im städtischen Verhalten. Aus den verfügbaren Informationen und gesammelten Beobachtungen schätzt es die Dynamik des Parkens ab und liefert Intelligenz für bessere Entscheidungen.

Luftbild eines Viertels, dessen Straßen grün, orange oder rot markiert sind – je nach Wahrscheinlichkeit, einen Parkplatz zu finden.
  • Hoch
  • Mittel
  • Niedrig
Illustration: Straßen nach der Wahrscheinlichkeit eingefärbt, einen Platz zu finden. Keine Live-Daten und kein Maß für die Abdeckung.

So funktioniert’s

Von der Straße zur Entscheidung.

Eine einzige Intelligenz, um unsere Städte zu verstehen und die Art, wie wir uns bewegen, zu verbessern.

  1. Ursprung

    Die Straßen

    Die Information entsteht im physischen Stadtraum.

  2. Beobachtung

    VIA

    Unser Computer-Vision-Modell arbeitet daran, physische Informationen von der Straße zu erkennen und zu strukturieren.

  3. Lernen

    DiscentIA

    Unser Machine-Learning-Modell nutzt die Daten, um Muster zu erkennen und Schätzungen zu erzeugen.

  4. Lösungen

    Intelligenz für Städte und Fahrer

    Daten für die Planung · Intelligenz fürs Parken

Konzeptuelle Darstellung des Doobl-Ökosystems.
  • Daten für die Planung

    Urbane Inventare und Mobilitätsmuster für Studien, Analysen und Planungsentscheidungen von Unternehmen und Kommunen.

    Zu den Produkten
  • Intelligenz fürs Parken

    Intelligente Informationen, die Autofahrern helfen, einen Parkplatz zu finden.

    Zur App

DiscentIA lernt nicht nur aus VIA: Es kombiniert auch andere Informationsquellen.

Produkte

Daten, die Straßen in Wissen verwandeln.

Zwei Produktlinien, die Unternehmen, Beratungsbüros und Verwaltungen helfen sollen, das Parken und den Stadtraum besser zu verstehen.

Inventare

Was es auf unseren Straßen gibt – und wo.

Wir entwickeln Inventare des physischen Stadtraums, um die Merkmale der Flächen, die dem Parken dienen, zu erkennen, zu verorten und zu strukturieren.

Ziel ist eine geordnete, georeferenzierte Datenbasis, mit der sich das Parkraumangebot und die Nutzungsbedingungen jeder Zone besser verstehen lassen.

Können umfassen, je nach Abdeckung und Validierung

  • Parkplatztypen
  • Stellplätze und Bordsteinmerkmale
  • Beschilderung und Beschränkungen
  • Behindertenparkplätze
  • Ladepunkte

Mobilitätsmuster

Wie sich die Nutzung des Stadtraums im Lauf der Zeit verändert.

Wir analysieren die verfügbaren Informationen, um räumliche und zeitliche Muster rund um das Parken und die Ankunft am Ziel zu erkennen.

Wenn die Daten es zulassen, helfen diese Analysen, den Parkdruck, seine Unterschiede nach Zone und Tageszeit sowie die für die Stadtplanung relevanten Trends zu verstehen.

Können umfassen, wenn die Daten es zulassen

  • Parkdruck
  • Unterschiede nach Zone
  • Tageszeiten
  • Trends im Zeitverlauf

Der Umfang jeder Linie wird projektbezogen festgelegt. Es geht um das Parken und die Ankunft am Ziel, nicht um alle Wege in einer Stadt.

Die Daten, wo du sie brauchst.

Verschiedene Zugangswege zu den Informationen von Doobl, zugeschnitten auf den Bedarf jeder Organisation.

  • API

    Ein Integrationsweg, um die Daten von Doobl in die Systeme und Analysetools von Unternehmen und Verwaltungen einzubinden.

  • Dashboard im Abo

    Eine Umgebung zum Abfragen und Visualisieren, um urbane Daten zu erkunden, ohne sie in andere Tools integrieren zu müssen.

Projekt besprechen

Städte, Unternehmen und Beratungsbüros

Die Daten, die fehlen, um unsere Straßen besser zu verstehen.

Dein Technologiepartner dort, wo herkömmliche Daten nicht hinkommen.

Um zu verstehen, wie der Stadtraum genutzt wird, braucht es Informationen, die oft nicht verfügbar, unvollständig oder teuer zu erheben sind.

Bei Doobl entwickeln wir Technologie, um physische Beobachtungen von der Straße in strukturierte Daten zu verwandeln.

Wir helfen Kommunen, Unternehmen und Beratungsbüros, mehr über das Parken und den städtischen Raum zu erfahren, und ergänzen ihre bisherigen Quellen um neue Informationsebenen.

Du kennst die Bedürfnisse deiner Stadt. Wir besorgen die Daten, die dir fehlen.

Anwendungsfälle

  • Parken und Stadtraum

    Informationen, um die Merkmale der Straßen und das Parkraumangebot besser zu kennen.

  • Mobilitätsstudien und -planung

    Ergänzende Daten zur Unterstützung von Bestandsanalysen, Parkraumstudien und Mobilitätsplänen.

  • Räumliche Analyse

    Strukturierte Informationen, die helfen können, Muster zu erkennen, Zonen zu vergleichen und die Bedürfnisse eines Gebiets besser zu verstehen.

Verfügbare Funktionen und Abdeckung werden projektbezogen festgelegt.

Was möchtest du über deine Stadt wissen?

Erzähl uns, welche Informationen du brauchst, und lass uns herausfinden, wie wir dir helfen können, sie zu bekommen.

Projekt besprechen

Doobl App

Weniger Runden. Mehr Leben.

Die Intelligenz von Doobl – auch in deiner Hosentasche.

Parken sollte nicht der schwierigste Teil davon sein, ans Ziel zu kommen. Doobl bringt öffentliche und private Parkhäuser, die Wahrscheinlichkeit, auf der Straße einen Platz zu finden, Ladesäulen und Behindertenparkplätze in einer App zusammen. Vergleiche die Optionen rund um dein Ziel und nimm die, die am besten zu dir passt.

Suchen. Vergleichen. Parken.

  1. Ziel suchen Gib ein, wohin du willst.
  2. Optionen vergleichen Parkhäuser, Straßenparkplätze, Ladesäulen und barrierefreie Optionen – je nach verfügbaren Informationen.
  3. Wählen und ankommen Nimm die Option, die dir am liebsten ist, und wir bringen dich hin.

Dein nächster Parkplatz beginnt hier.

Doobl ist kostenlos für iPhone und Android.

Alles zur App

Arbeite mit uns zusammen

Verbinden wir Technologie, Mobilität und Städte.

Wir arbeiten an einem Ökosystem, in dem urbane Informationen, Parkinfrastruktur und die Bedürfnisse der Menschen besser miteinander verbunden sind.

Wenn du Mobilitätsinfrastruktur, Parkhäuser oder Ladepunkte betreibst, lernen wir dich gern kennen.

Kooperationen entdecken

Häufige Fragen

Parkdaten, Frage für Frage

Was ist Doobl und welche Parkdaten bietet Doobl an?
Doobl ist ein spanisches Technologieunternehmen für urbane Daten mit Schwerpunkt Parken. Für Kommunen, Unternehmen und Beratungsbüros gibt es zwei Produktlinien: Inventare, eine georeferenzierte Erfassung des physischen Parkraumangebots, und Mobilitätsmuster, die beschreiben, wie sich Parkdruck und Ankünfte nach Zone und Uhrzeit verändern. Dahinter stehen zwei eigene Modelle, VIA und DiscentIA, dazu eine kostenlose App für Autofahrer: Doobl App.
Was umfasst eine Bestandserhebung des Parkraumangebots?
Ein Inventar von Doobl ist eine georeferenzierte Erfassung des physischen Parkraumangebots: Parkplatztypen, Bordsteinmerkmale, Beschilderung und Beschränkungen, Behindertenparkplätze und Ladepunkte. Welche Ebenen es enthält und wie detailliert, hängt von der verfügbaren Abdeckung und Validierung in deinem Gebiet ab und wird projektbezogen festgelegt. Es ist die Grundlage jeder Untersuchung von Parkraumangebot und -nachfrage.
Wie misst man den Parkdruck nach Zone und Tageszeit?
Üblich sind Parkraumerhebungen vor Ort: Freie und belegte Stellplätze werden zu mehreren Tageszeiten gezählt. Die Mobilitätsmuster von Doobl beantworten dieselbe Frage aus Daten: Sie beschreiben Parkdruck und Ankünfte und wie sie sich nach Zone und Uhrzeit verändern – auf Basis gesammelter Beobachtungen von VIA und anderen Quellen. Untersuchungsgebiet und Zeitfenster werden mit jedem Projekt festgelegt.
Kann man Parkdaten im Straßenraum ohne Sensoren erheben?
Genau das ist der Ansatz von Doobl. Statt eines Sensors pro Stellplatz analysiert VIA, unser Computer-Vision-Modell in der Pilotphase, Bilder der Straße, um physische Elemente des Stadtraums zu erkennen. DiscentIA lernt aus diesen Beobachtungen und aus anderen Quellen, um Parkmuster zu schätzen. Wenn du überlegst, Sensoren zu installieren, lass uns vorher über deinen Fall sprechen.
Eignen sich die Daten für einen Mobilitätsplan oder Verkehrsentwicklungsplan (SUMP)?
Die Bestandsanalyse eines Mobilitätsplans muss das Parkraumangebot und seine Nutzung kennen. Die Inventare liefern das georeferenzierte physische Angebot, die Mobilitätsmuster den Parkdruck nach Zone und Tageszeit. Sie ersetzen nicht den Rest der Analyse – Wege, ÖPNV, Fuß- und Radverkehr –, können aber ihr Kapitel zum Parken speisen. Erzähl uns, in welcher Phase dein Plan ist.
Wie helfen Daten, die Parkraumbewirtschaftung auszuweiten oder eine Umweltzone abzugrenzen?
Wer die Parkraumbewirtschaftung ausweiten oder eine Umweltzone abgrenzen will, muss meist zuerst wissen, wo die Straße an ihre Grenzen kommt und zu welchen Uhrzeiten. Die Mobilitätsmuster beschreiben diesen Druck nach Zone und Tageszeit, das Inventar erfasst, was es in jedem Abschnitt gibt: Parkplatztypen, Beschilderung und Beschränkungen. So stützt sich der Vorschlag auf Daten, nicht nur auf Eindrücke. Der Umfang wird mit jeder Kommune festgelegt.
Sind Mobilitätsmuster dasselbe wie Quelle-Ziel-Matrizen?
Nein. Quelle-Ziel-Matrizen, wie sie etwa aus Mobilfunkdaten erstellt werden, beschreiben Wege zwischen Zonen. Die Mobilitätsmuster von Doobl konzentrieren sich auf das Parken: wo und wann der Druck am größten ist, wie er sich nach Zone und Uhrzeit verändert und wie sich die Ankünfte verteilen. Sie erheben nicht den Anspruch, alle Wege einer Stadt abzubilden, und können die Verkehrsdaten ergänzen, die du bereits nutzt.
Wie starte ich ein Datenprojekt mit Doobl?
Mit einem Gespräch. Du erzählst uns Gebiet, Ziel – einen Mobilitätsplan, eine Parkraumstudie, eine bewirtschaftete Parkzone – und Zeitrahmen, und wir schlagen dir vor, welche Inventare oder Mobilitätsmuster passen. Abdeckung und Validierung werden projektbezogen eingegrenzt, ausgehend von der Frage, die du beantworten musst.