Voor een project wil ik graag gebruik maken van een API waarbij ik een plaatsnaam ingeef en alle adressen in die plaats terug krijg, denk hierbij aan straatnamen, huisnummers en postcodes. Het enige probleem is dat ik nergens een database en/of API kan vinden met deze functionaliteit. Iemand die advies heeft of een API weet die dit doet?
Welkom op het forum. Ik vraag me af wat precies het doel is van het project. Want “alle” adressen in een woonplaats opvragen is een leuke manier om kennis te maken met de API. Maar verder kun je zoveel méér met de APi - individuele bevragingen. Zo hebben adressen een status “uitgegeven” en “ingetrokken”. Dus wil je letterlijk ‘alle’ adressen, of ben je eigenlijk alleen geïnteresseerd in de -op dit moment- ‘uitgegeven’ adressen. Of adressen per 1 januari? Of ben je voor je project juist geïnteresseerd in de historie?
Daarnaast zijn adressen gekoppeld aan een verblijfsobject. Die hebben een bepaalde gebruiksfunctie. Ben je alleen geïnteresseerd in de woningen in de woonplaats of juist kantoren, bedrijven, onderwijsfuncties, … etc.
De API - individuele bevragingen - heeft een limiet van 50.000 verzoeken per dag. Dat is niet genoeg voor “alle” adressen van een wat grotere woonplaats.
Wellicht heb je dan meer aan de Geopackage-file. Maarja, dan doe je weer geen kennis & ervaring op van de API.
Kun je iets meer achtergrond informatie van je project delen? En met welke tooling je de APi zou willen bevragen?
2 likes
Hoi Thomas,
Bedankt voor je snelle antwoord!
Hierbij in grote lijnen het doel van mijn project:
Mijn project heeft als doel het detecteren van zonnepanelen op daken in Nederland door middel van een AI-systeem. Hieronder vindt u een uitleg van de geplande werkwijze:
- Het proces begint met het invoeren van een plaatsnaam. Dit kan een dorp of stad in Nederland zijn.
- Vervolgens zal het systeem alle adressen (straatnaam, huisnummer en postcode) van de huizen in de opgegeven plaats ophalen.
- Deze adressen worden vervolgens omgezet in coördinaten .
- Met deze coördinaten zal het systeem gebruikmaken van een API (hoogstwaarschijnlijk PDOK.nl) om de satellietbeelden van elk specifiek huis te verkrijgen.
- Ten slotte zal het systeem door middel van beeldherkenning analyseren of er zonnepanelen aanwezig zijn op het dak van elk huis.
Alles wordt geschreven in python.
Het uiteindelijke doel is om een percentage te berekenen van de huizen die geen zonnepanelen hebben in de gespecificeerde locatie.
Binnen dit project ben ik alleen geïnteresseerd in koophuizen van particulieren en daarom dus in de meest recente data binnen het kadaster.
Na contact te hebben gehad met het Data Science team van het kadaster kreeg ik de tip voor het gebruik van de BAG 2.0 Extract dataset.
Hopende u hier genoeg me te hebben geïnformeerd.
1 like
Hallo Schmeitzke,
Als ik je aanpak zo eens lees, dan lijkt het me dat je je een hoop werk kunt besparen door de volgorde iets anders aan te pakken:
Haal de luchtfoto’s en/of satellietfoto’s op van een woonplaats
bekijk waar zonnepanelen te vinden zijn
Haal op die plekken waar zonnepanelen gevonden worden (Of waar geen zonnepanelen gevonden worden, afhankelijk van welk deel je geïnteresseerd in bent) de panden op.
Haal van die panden de verblijfsobjecten op, dan heb je de adressen.
Vermoedelijk ben je dan minder data aan het processen, zegt mijn gevoel, zie ook hieronder.
En een paar opmerkingen die zo boven komen drijven:
Hoe maak je onderscheid tussen koophuizen van particulieren en andere panden?
Er zijn op veel plekken meerdere verblijfsobjecten (en dus adressen) aanwezig binnen een pand, dat is wel iets om rekening mee te houden.
Als iemand zonnepanelen heeft in z’n tuin, of op de schuur achterin de tuin, maar niet op het dak van zijn of haar woonhuis: zijn die interessant voor je? Bij de eerste mogelijkheid zul je geen pand vinden, bij de tweede waarschijnlijk wel - maar dat pand zal geen adres hebben. En ik ken zelfs een voorbeeld van iemand die zonnepanelen als schutting gebruikt, ben benieuwd of dat soort lokaties herkend zullen worden…
In steden als Amsterdam, Utrecht, Den Haag en zo zul je een gigantische hoeveelheid data te verwerken krijgen. Om dus per adres een stukje lucht- of satellietfoto op te gaan halen, lijkt mij niet efficiënt, ook omdat je dan bijvoorbeeld bij flatgebouwen met 50 of meer adressen 50x hetzelfde stukje luchtfoto op gaat halen. Vandaar ook mijn raad om per woonplaats, eventueel op te splitsen in kleinere delen (als de woonplaats een groot grondgebied beslaat, is er de kans dat het een te groot gebied betreft voor de webservice) de luchtfoto’s of satellietfoto’s op te halen.
Stefan
1 like
Hoi Stefan, bedankt voor de tips!
De verandering in volgorde was inderdaad iets waar ik over aan het nadenken was.
Ik zit een beetje met het probleem dat wanneer ik een woonplaats opdeel in vakken ik het AI systeem moet gaan leren wat een perceel is, aangezien (en zoals je zelf al zei) vaak zonnepanelen niet op het dak van een huis liggen maar op een schuur. Hier ben ik nog niet over uit. Mijn oorspronkelijke idee, en het idee wat ik op het begin van dit gesprek uitlegde, was daarom ook om per perceel/kavel de satelliet beelden op te halen zodat het AI systeem geen fout kan maken in het onderscheiden van verschillende percelen op 1 foto. Nogmaals, dit idee kan zeker nog veranderen/verbeteren.
Omtrent de flatgebouwen/meerdere adressen op dezelfde locatie was ik inderdaad niet geheel duidelijk. Ik ben alleen geïnteresseerd in koophuizen van particulieren die geen tweede verdiepingen hebben met een ander adres/bewoner. In andere woorden alleen losstaande huizen, twee-onder-een-kap, rijtjeshuizen, tussenwoningen, etc.
Als klein details, deze software gaat waarschijnlijk nooit gebruikt worden voor grote steden zoals Amsterdam, Utrecht of Maastricht. Maar het optimaliseren voor dit soort steden is natuurlijk altijd goed, mocht iemand de software ooit wel hiervoor willen gebruiken.