[OC] Fügte mehr als 15 fragmentierte kommunale APIs zusammen, um ein Live-Echtzeit-„Cool Off“-Radar für New Yorker Stadtblöcke zu erstellen.

Hallo zusammen,

Als in New York ansässiger Entwickler fand ich es immer unglaublich frustrierend, unterwegs in den alten, nicht mobilfreundlichen öffentlichen Datenportalen der Stadt zu navigieren. Der Versuch, eine schnelle und reibungslose Stichprobenkontrolle auf einem Telefon durchzuführen, war nicht die beste Erfahrung. Mehrere Netze und keine saubere Konsolidierung der Lebensqualität.

Ich habe die letzten 4 Monate meinem Projekt gewidmet. Es lässt sich direkt in Live-API-Pipelines von Städten und Bundesstaaten einbinden, nimmt die Rohdaten auf und streamt sie in die mobile Kartenebene.

Der Screenshot oben zeigt mein aktives "Abkühlen" Schicht. NYC veröffentlicht öffentliche Daten für Hilfsmaßnahmen im Freien, diese sind jedoch stark in Datensätze völlig unterschiedlicher Behörden (Parks & Rec, DOHMH, DEP usw.) unterteilt. Ich habe sie in einer einzigen Geodatenkarte zusammengefasst, um die städtische Hitzeentlastung in Echtzeit zu verfolgen und Pools, Planschbecken, Wasserfontänen und Nebelstationen zu kartieren, aber es gibt noch viel mehr (ich wollte es nur nicht zu bildlastig machen).

Daten- und Technologie-Stack

• Datenquelle: NYC Open Data / Socrata SODA API (kommunale Live-Datensätze).
• Verwendete Werkzeuge: Benutzerdefinierte native mobile GIS-Kartierungsframeworks und Swift/Kotlin-Hintergrundabfragearchitektur.

Auf der Suche nach Feedback zu Daten und Aggregation?

Ich wollte eine Engine bauen, die den kommunalen Datenverbrauch mit hoher Dichte nachhaltig bewältigt, ohne die Endpunkte der Stadt massiv zu belasten.

Wenn Sie ein Dateningenieur, GIS-Nerd oder Back-End-Architektur-Enthusiast sind, würde ich mich freuen, wenn Sie dies aus der Datenperspektive beleuchten. Ich bin wirklich gespannt auf Ihr Feedback zu:

1. Geodatendichte: Fühlen sich beim Schwenken durch hochfrequentierte Gebiete wie die Bronx oder Brooklyn die Punktecluster und die Ikonographie informativ an oder überschreiten sie die Grenze zum visuellen Rauschen?
2. Caching vs. Polling: Im Moment verwende ich auf meinen Servern eine aggressive Hintergrund-Caching-Ebene für Datensätze wie 311-Spikes und Housing-Verstöße, um zu vermeiden, dass die Socrata-API-Grenzwerte erreicht werden. Wie optimieren Sie persönlich das Gleichgewicht zwischen Echtzeitgenauigkeit und Nutzlasteffizienz für mobile Kunden?

Wenn Sie es ausprobieren und mit den Datenschichten herumspielen und die Aggregations-Engine kaputt machen möchten, können Sie es hier finden:

• iOS App Store: NYC Intel

Würde mich wirklich über jedes Feedback freuen.