admin/geiger2
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
3fd97364e0fbf2c9083586a7f242c96b7f5f99ac
geiger2/docs/MongoDB_Struktur.md

24 KiB
Raw Blame History

MongoDB Datenbankstruktur - Geiger_WEB_26

Übersicht

Datenbankname: allsensors (aus MONGOBASE Environment-Variable)

Die Datenbank enthält Messdaten von Strahlungs-, Feinstaub- und Klimasensoren.

Collections

1. properties

Speichert die Eigenschaften und Metadaten aller Sensoren.

Struktur:

{
    _id: Number,                    // Sensor-ID (z.B. 140, 1234)
    name: String,                   // Sensor-Typ/Name
                                    // Beispiele:
                                    // - Feinstaub: "SDS011", "PMS7003", "PMS3003", "PMS5003", "HPM", "SDS021", "PPD42NS"
                                    // - Strahlung: "Radiation <Type>" (z.B. "Radiation SBM-20", "Radiation Si22G")
                                    // - Klima: andere Typen für Temp/Hum/Press
    
    date_since: Date,              // Startdatum des Sensors
    last_seen: Date,               // Letzter Kontakt mit dem Sensor
    
    location: [                    // Array mit Standort-Historie (neuester = letzter Eintrag)
        {
            loc: {                 // GeoJSON Point
                type: "Point",
                coordinates: [longitude, latitude]  // [lon, lat] Format!
            },
            altitude: Number,      // Höhe über NN in Metern
            address: {             // Adressinformationen
                country: String,   // Ländercode (z.B. "DE", "AT")
                plz: String,       // Postleitzahl
                city: String,      // Stadt
                street: String     // Straße (optional)
            }
        }
    ],
    
    indoor: Boolean,               // true = Innenraum-Sensor
    
    othersensors: [               // Zugehörige Sensoren (für Multi-Sensor-Geräte)
        {
            id: Number,           // oder direkt: Number (ältere Einträge)
            name: String
        }
    ]
}

Verwendung:

  • Abruf per Sensor-ID: db.collection('properties').findOne({_id: sensorId})
  • Geo-Abfragen für Karten-Bounds
  • Filtern nach Sensor-Typ (PM, Radiation, etc.)

2. data_ (Dynamische Collections)

Für jeden Sensor existiert eine eigene Collection mit seinen Messdaten. Format: data_140, data_1234, etc.

Struktur (abhängig vom Sensor-Typ):

Feinstaub-Sensoren (PM):

{
    datetime: Date,               // Zeitstempel der Messung
    P1: Number,                   // PM10 Wert (Feinstaub < 10μm)
    P2: Number,                   // PM2.5 Wert (Feinstaub < 2.5μm)
}

Klima-Sensoren (THP):

{
    datetime: Date,               // Zeitstempel der Messung
    temperature: Number,          // Temperatur in °C
    humidity: Number,             // Luftfeuchtigkeit in %
    pressure: Number,             // Luftdruck in Pa
    pressure_at_sealevel: Number  // Normierter Luftdruck auf Meereshöhe
}

Strahlungs-Sensoren (Radiation):

{
    datetime: Date,               // Zeitstempel der Messung
    counts_per_minute: Number     // CPM (Counts per Minute)
}

Verwendung:

  • Zeitbereich-Abfragen mit datetime Filter
  • Aggregation für Durchschnittswerte über Zeiträume
  • Sortiert nach datetime

3. values

Vorberechnete/aggregierte Tageswerte für schnelleren API-Zugriff.

Struktur:

{
    _id: String,                  // Format: "<sid>_YYYYMMDD" (z.B. "140_20180602")
    values: [                     // Array mit Messwerten des Tages
        {
            datetime: Date,
            P1: Number,           // oder andere Sensor-spezifische Felder
            P2: Number,
            // ... weitere Felder je nach Sensor-Typ
        }
    ]
}

Verwendung:

  • Schneller Zugriff auf Tagesdaten
  • Mehrere Tage werden durch mehrere findOne-Calls abgerufen

4. mapdata

Aktuelle Sensordaten für die Karten-Visualisierung.

Struktur:

{
    _id: Number,                  // Sensor-ID
    name: String,                 // Sensor-Name (z.B. "Radiation SBM-20")
    location: {                   // GeoJSON Point
        type: "Point",
        coordinates: [longitude, latitude]
    },
    indoor: Boolean,              // Innen-/Außensensor
    values: {                     // Aktuellster Messwert
        datetime: Date,
        counts_per_minute: Number, // oder P1, P2, temperature, etc.
        // ... je nach Sensor-Typ
    }
}

Verwendung:

  • Geo-Abfragen mit $geoWithin für Karten-Bounds
  • Filter nach Sensor-Namen (z.B. /Radiation/)
  • Anzeige aktueller Werte auf der Karte

5. problemsensors

Sensoren mit erkannten Problemen/Anomalien.

Struktur:

{
    _id: Number,                  // Sensor-ID (0 = Metadaten-Eintrag mit Textbeschreibungen)
    problemNr: Number,            // Problem-Typ-Nummer
    // ... weitere problem-spezifische Felder
}

Besonderheit:

  • _id: 0 enthält Textbeschreibungen der Problem-Typen
  • Bulk-Updates mit bulkWrite() und upsert: true

6. akws

Atomkraftwerke-Daten.

Struktur:

{
    _id: Mixed,
    Name: String,                 // Name des AKW
    lat: Number,                  // Breitengrad
    lon: Number,                  // Längengrad
    Status: String,               // "aktiv" oder Stillgelegt-Status
    Baujahr: String,              // Baujahr
    Stillgeleg: String,           // Stilllegungsjahr (falls zutreffend)
    Wiki_Link: String             // Wikipedia-Link
}

7. th1_akws

Erweiterte AKW-Daten (vermutlich aus Wikidata).

Struktur:

{
    _id: Mixed,
    name: String,                 // Name
    geo: String,                  // Format: "POINT(lon lat)"
    types: String,                // "Nuclear power plant" oder andere
    item: String,                 // Wikidata/Wikipedia-Link
    itemServiceentry: String,     // Inbetriebnahme-Datum
    itemServiceretirement: String // Stilllegungs-Datum
}

Indizes und Performance

GeoJSON-Indizes:

  • properties.location.0.loc - 2dsphere Index für Geo-Abfragen
  • mapdata.location - 2dsphere Index für Kartenansicht

Zeitstempel-Indizes:

  • data_<sid>.datetime - Index für schnelle Zeitbereich-Abfragen
  • Sortierung erfolgt meistens nach datetime

Wichtige Queries

1. Sensor-Eigenschaften abrufen:

db.collection('properties').findOne({_id: sensorId})

2. Messdaten für Zeitraum:

db.collection('data_' + sensorId).find({
    datetime: {
        $gte: new Date(start),
        $lt: new Date(end)
    }
}).sort({datetime: 1}).toArray()

3. Aggregierte Durchschnittswerte:

db.collection('data_' + sensorId).aggregate([
    {$sort: {datetime: 1}},
    {$match: {datetime: {$gte: startDate, $lt: endDate}}},
    {
        $group: {
            _id: {
                $toDate: {
                    $subtract: [
                        {$toLong: '$datetime'},
                        {$mod: [{$toLong: '$datetime'}, zeitinterval]}
                    ]
                }
            },
            cpmAvg: {$avg: '$counts_per_minute'},
            count: {$sum: 1}
        }
    },
    {$sort: {_id: 1}}
])

4. Geo-Abfrage für Karten-Bereich:

db.collection('mapdata').find({
    location: {
        $geoWithin: {
            $box: [[west, south], [east, north]]
        }
    },
    name: /Radiation/
})

5. Sensoren innerhalb Polygon:

db.collection('properties').find({
    'location.0.loc': {
        $geoWithin: {
            $geometry: {
                type: "Polygon",
                coordinates: [polygonCoords]
            }
        }
    }
})

Sensor-Typen

Feinstaub (PM):

  • SDS011, PMS7003, PMS3003, PMS5003, HPM, SDS021, PPD42NS
  • Felder: P1 (PM10), P2 (PM2.5)

Strahlung (Radiation):

  • Typen: SBM-20, SBM-19, Si22G
  • Feld: counts_per_minute (CPM)
  • Umrechnungsfaktoren in µSv/h:
    • SBM-20: 1/2.47/60
    • SBM-19: 1/9.81888/60
    • Si22G: 0.081438/60

Klima (THP):

  • Felder: temperature, humidity, pressure
  • Druckberechnung auf Meereshöhe mit Formel aus BMP180 Datenblatt

Verbindung

const MONGO_URL = 'mongodb://rexfueAdmin:D6grTasE56@207.180.224.98:20019/?authSource=admin'
const MONGOBASE = 'allsensors'

MongoClient.connect(MONGO_URL, {useNewUrlParser: true, useUnifiedTopology: true})
    .then(client => {
        const db = client.db(MONGOBASE);
        // ... Verwendung der Datenbank
    })

Notizen

  1. Dynamische Collections: Für jeden neuen Sensor wird automatisch eine data_<sid> Collection angelegt
  2. Location-Array: Das neueste Location-Objekt ist immer am Ende des Arrays (location[location.length-1])
  3. Zeitstempel: Alle Zeitstempel sind als JavaScript Date-Objekte gespeichert
  4. GeoJSON: Koordinaten sind im Format [longitude, latitude] (nicht lat/lon!)
  5. Offline-Sensoren:

    • 2 Stunden offline: cpm = -1

    • 7 Tage offline: cpm = -2

    • Aktiv: tatsächlicher CPM-Wert

NEUE DATENBANKSTRUKTUR (Geplant für zukünftige Verwendung)

Übersicht

Die neue MongoDB-Struktur fokussiert sich ausschließlich auf Geiger-Sensoren (Radioaktivität) und vereinfacht einige Aspekte der Datenorganisation.

Hauptunterschiede zur aktuellen Struktur

Aspekt Alte Struktur Neue Struktur
Sensor-Typen Multi-Sensor (PM, THP, Radiation) Nur Radioaktivität
Messdaten-Collections Separate data_<sid> pro Sensor Eine zentrale radioactivity_sensors
Sensor-Name name: String name: Array mit Historie
Adresse Detailliert im location.address Nur country im location
Aktuelle Werte Separate mapdata Collection Direkt in properties.values
Indoor-Flag indoor: Boolean indoor: Number (0/1)
Location-ID Nicht vorhanden location.id
Zeitstempel-Feld datetime in data_<sid> datetime.$date in radioactivity_sensors
Sensor-Identifikation Collection-Name (data_<sid>) Feld sensorid
Zusätzliche Felder - hv_pulses, counts, sample_time_ms

Collections (Neue Struktur)

1. properties (Neue Struktur)

Enthält sowohl Metadaten als auch aktuelle Messwerte der Sensoren.

Struktur:

{
    _id: Number,                    // Sensor-ID
    
    type: String,                   // Sensor-Typ: "radioactivity"
    
    name: [                         // Name-Historie als Array
        {
            name: String,           // z.B. "Radiation Si22G", "Radiation SBM-20"
            since: {                // Gültig seit
                $date: Date
            }
        }
    ],
    
    location: [                     // Location-Historie als Array
        {
            loc: {                  // GeoJSON Point
                type: "Point",
                coordinates: [longitude, latitude]
            },
            id: Number,             // Location-ID (neu)
            altitude: Number,       // Höhe über NN in Metern
            since: {                // Gültig seit
                $date: Date
            },
            exact_loc: Number,      // 0 = ungefähr, 1 = exakt
            indoor: Number,         // 0 = outdoor, 1 = indoor
            country: String         // ISO Ländercode (z.B. "AU", "DE")
        }
    ],
    
    values: {                       // Aktuellste Messwerte (neu in properties!)
        counts_per_minute: Number,  // CPM (Counts per Minute)
        hv_pulses: Number,          // Hochspannungs-Pulse
        counts: Number,             // Gesamt-Counts in der Messperiode
        sample_time_ms: Number,     // Messzeit in Millisekunden
        timestamp: {                // Zeitstempel der Messung
            $date: Date
        }
    }
}

Beispiel:

{
    _id: 12345,
    type: "radioactivity",
    name: [
        {
            name: "Radiation Si22G",
            since: { $date: "2024-06-20T10:13:12.970Z" }
        }
    ],
    location: [
        {
            loc: {
                type: "Point",
                coordinates: [151.032, -33.792]
            },
            id: 70638,
            altitude: 62,
            since: { $date: "2024-06-20T10:13:12.970Z" },
            exact_loc: 0,
            indoor: 0,
            country: "AU"
        }
    ],
    values: {
        counts_per_minute: 61,
        hv_pulses: 44,
        counts: 154,
        sample_time_ms: 151052,
        timestamp: { $date: "2026-03-27T13:18:15.000Z" }
    }
}

2. radioactivity_sensors (Zentrale Messdaten-Collection)

WICHTIG: Anders als in der alten Struktur gibt es keine separaten data_<sid> Collections mehr!
Alle Sensordaten werden in einer einzigen Collection radioactivity_sensors gespeichert.

Struktur:

{
    datetime: {                    // Zeitstempel der Messung
        $date: Date
    },
    sensorid: Number,             // Sensor-ID (Referenz zu properties._id)
    values: {                     // Messwerte
        counts_per_minute: Number,  // CPM (Counts per Minute)
        hv_pulses: Number,          // Hochspannungs-Pulse
        counts: Number,             // Gesamt-Counts in der Messperiode
        sample_time_ms: Number      // Messzeit in Millisekunden
    }
}

Beispiel:

{
    datetime: { $date: "2024-06-20T10:56:55.000Z" },
    sensorid: 74797,
    values: {
        counts_per_minute: 46,
        hv_pulses: 823,
        counts: 114,
        sample_time_ms: 146826
    }
}

Verwendung:

// Alle Daten für einen Sensor abrufen
db.collection('radioactivity_sensors').find({
    sensorid: 74797,
    datetime: { $gte: new Date(start), $lt: new Date(end) }
}).sort({ datetime: 1 }).toArray()

// Aggregation für Durchschnittswerte
db.collection('radioactivity_sensors').aggregate([
    { $match: { sensorid: 74797, datetime: { $gte: startDate, $lt: endDate } } },
    { $sort: { datetime: 1 } },
    {
        $group: {
            _id: {
                $toDate: {
                    $subtract: [
                        { $toLong: '$datetime' },
                        { $mod: [{ $toLong: '$datetime' }, zeitinterval] }
                    ]
                }
            },
            cpmAvg: { $avg: '$values.counts_per_minute' },
            countsAvg: { $avg: '$values.counts' },
            count: { $sum: 1 }
        }
    },
    { $sort: { _id: 1 } }
])

Vorteile gegenüber alten data_<sid> Collections:

✅ Zentralisiert: Nur eine Collection statt tausende
✅ Einfachere Wartung und Backups
✅ Sensor-übergreifende Queries möglich
✅ Index auf sensorid für schnelle Filterung

Nachteile:

⚠️ Größere Collection → Indizes wichtiger
⚠️ sensorid muss bei jeder Query gefiltert werden

3. thp_sensors (Zentrale Klima-Messdaten-Collection)

Analog zu radioactivity_sensors werden alle Klima-Sensordaten (Temperatur, Luftfeuchtigkeit, Luftdruck) in einer einzigen Collection gespeichert.

Struktur:

{
    datetime: {                    // Zeitstempel der Messung
        $date: Date
    },
    sensorid: Number,             // Sensor-ID (Referenz zu properties._id)
    values: {                     // Messwerte
        temperature: Number,        // Temperatur in °C
        pressure: Number,           // Luftdruck in Pa
        humidity: Number,           // Luftfeuchtigkeit in %
        pressure_at_sealevel: Number // Normierter Luftdruck auf Meereshöhe in Pa
    }
}

Beispiel:

{
    datetime: { $date: "2024-06-20T11:02:08.000Z" },
    sensorid: 550,
    values: {
        temperature: 28.42,
        pressure: 98326.75,
        humidity: 47.15,
        pressure_at_sealevel: 101559.71
    }
}

Verwendung:

// Alle Daten für einen THP-Sensor abrufen
db.collection('thp_sensors').find({
    sensorid: 550,
    datetime: { $gte: new Date(start), $lt: new Date(end) }
}).sort({ datetime: 1 }).toArray()

// Aggregation für Durchschnittswerte
db.collection('thp_sensors').aggregate([
    { $match: { sensorid: 550, datetime: { $gte: startDate, $lt: endDate } } },
    { $sort: { datetime: 1 } },
    {
        $group: {
            _id: {
                $toDate: {
                    $subtract: [
                        { $toLong: '$datetime' },
                        { $mod: [{ $toLong: '$datetime' }, zeitinterval] }
                    ]
                }
            },
            tempAvg: { $avg: '$values.temperature' },
            humiAvg: { $avg: '$values.humidity' },
            pressAvg: { $avg: '$values.pressure_at_sealevel' },
            count: { $sum: 1 }
        }
    },
    { $sort: { _id: 1 } }
])

Wichtige Änderungen für die Migration

1. Name-Feld

Alt:

name: "Radiation Si22G"

Neu:

name: [
    {
        name: "Radiation Si22G",
        since: { $date: "2024-06-20T10:13:12.970Z" }
    }
]

Zugriff auf aktuellen Namen:

const currentName = sensor.name[sensor.name.length - 1].name;

2. Location-Feld

Alt:

location: [
    {
        loc: { type: "Point", coordinates: [lon, lat] },
        altitude: 62,
        address: {
            country: "AU",
            plz: "2000",
            city: "Sydney"
        }
    }
]

Neu:

location: [
    {
        loc: { type: "Point", coordinates: [lon, lat] },
        id: 70638,
        altitude: 62,
        since: { $date: "2024-06-20T10:13:12.970Z" },
        exact_loc: 0,
        indoor: 0,
        country: "AU"
    }
]

Zugriff auf aktuelle Location:

const currentLoc = sensor.location[sensor.location.length - 1];
const country = currentLoc.country;  // Nicht mehr currentLoc.address.country!
const isIndoor = currentLoc.indoor === 1;  // Nicht mehr Boolean!

3. Aktuelle Werte

Alt: Separate mapdata Collection

db.collection('mapdata').findOne({_id: sensorId})

Neu: Direkt in properties.values

const sensor = db.collection('properties').findOne({_id: sensorId});
const currentValue = sensor.values.counts_per_minute;
const lastUpdate = sensor.values.timestamp.$date;

4. Indoor-Flag

Alt:

if (sensor.indoor) { ... }  // Boolean

Neu:

if (sensor.location[sensor.location.length - 1].indoor === 1) { ... }  // Number!

Neue Messwerte-Felder

hv_pulses (Hochspannungs-Pulse)

Anzahl der Hochspannungspulse, die zur Ansteuerung des Geiger-Müller-Zählrohrs verwendet wurden.

counts (Gesamt-Counts)

Gesamtzahl der registrierten Impulse während der Messperiode.

sample_time_ms (Messzeit)

Dauer der Messperiode in Millisekunden. Wichtig für genaue CPM-Berechnungen:

const cpm = (counts / sample_time_ms) * 60000;

Migrations-Checkliste

Code-Anpassungen erforderlich:

Datenbank-Zugriffe:

  • Messdaten-Collection: Von db.collection('data_' + sid) zu db.collection('radioactivity_sensors')
  • Sensor-Filter: Query um sensorid: sid erweitern (statt Collection-Name)
  • Indizes: sensorid und datetime Index auf radioactivity_sensors erstellen
  • Zeitstempel-Feld: datetime.$date statt nur datetime beim Lesen beachten

Metadaten-Zugriffe:

  • Name-Zugriff: Von sensor.name zu sensor.name[sensor.name.length-1].name
  • Country-Zugriff: Von sensor.location[i].address.country zu sensor.location[i].country
  • Indoor-Check: Von Boolean zu Number-Vergleich (=== 1)
  • Aktuelle Werte: Von mapdata Collection zu properties.values
  • Address-Felder: Entfernen von plz, city, street (nur noch country)

Neue Felder:

  • Messwerte: values.counts_per_minute statt direktem counts_per_minute
  • Neue Metriken: hv_pulses, counts, sample_time_ms verarbeiten
  • Location-ID: Neues Feld location.id berücksichtigen
  • exact_loc: Neues Feld für Positionsgenauigkeit
  • Zeitstempel-Format: $date-Wrapper bei MongoDB-Exporten beachten

Performance-Optimierungen:

  • Compound Index: {sensorid: 1, datetime: 1} auf radioactivity_sensors
  • Projection: Nur benötigte Felder aus values laden
  • Query-Limits: Pagination bei großen Zeiträumen über mehrere Sensoren

Migrations-Beispiele:

Messdaten abrufen:

Alt:

const collection = db.collection('data_' + sid);
const docs = await collection.find({
    datetime: { $gte: new Date(start), $lt: new Date(end) }
}).sort({ datetime: 1 }).toArray();

Neu:

const collection = db.collection('radioactivity_sensors');
const docs = await collection.find({
    sensorid: sid,
    'datetime.$date': { $gte: new Date(start), $lt: new Date(end) }
}).sort({ 'datetime.$date': 1 }).toArray();

// Werte-Zugriff:
const cpm = docs[0].values.counts_per_minute;  // Nicht docs[0].counts_per_minute!

Aggregation:

Alt:

const collection = db.collection('data_' + sid);
const docs = await collection.aggregate([
    { $match: { datetime: { $gte: start, $lt: end } } },
    { $group: { 
        _id: ..., 
        cpmAvg: { $avg: '$counts_per_minute' } 
    }}
]).toArray();

Neu:

const collection = db.collection('radioactivity_sensors');
const docs = await collection.aggregate([
    { $match: { 
        sensorid: sid,
        'datetime.$date': { $gte: start, $lt: end } 
    }},
    { $group: { 
        _id: ..., 
        cpmAvg: { $avg: '$values.counts_per_minute' }  // Path in values!
    }}
]).toArray();

Vorteile der neuen Struktur:

✅ Einfacher: Keine separate mapdata Collection nötig
✅ Historisch: Name- und Location-Änderungen werden nachvollziehbar
✅ Fokussiert: Nur Radioaktivitätssensoren, keine Multi-Sensor-Logik
✅ Zusätzliche Metriken: Mehr technische Details (HV-Pulse, Sample-Time)
✅ Zentralisiert: Alle Messdaten in einer Collection statt tausenden
✅ Sensor-übergreifend: Queries über mehrere Sensoren gleichzeitig möglich
✅ Wartungsfreundlich: Keine dynamischen Collection-Namen mehr

Nachteile / Herausforderungen:

⚠️ Weniger Details: Keine vollständigen Adressen (Stadt, PLZ, Straße)
⚠️ Breaking Changes: Viele Code-Stellen müssen angepasst werden
⚠️ Boolean → Number: Weniger typsicher für indoor und exact_loc
⚠️ Indizes kritisch: Ohne richtigen Index auf sensorid + datetime langsam
⚠️ Größere Collection: Mehr Daten in einer Collection → Monitoring wichtig
⚠️ Nested Values: Alle Messwerte in values → längere Accesspfade

Empfohlene Indizes für neue Struktur:

// Essenziell für radioactivity_sensors
db.radioactivity_sensors.createIndex({ sensorid: 1, "datetime.$date": 1 });
db.radioactivity_sensors.createIndex({ "datetime.$date": -1 });  // Für neueste Werte

// Für properties
db.properties.createIndex({ type: 1 });
db.properties.createIndex({ "location.country": 1 });
db.properties.createIndex({ "location.loc": "2dsphere" });  // Geo-Queries
db.properties.createIndex({ "values.timestamp.$date": -1 });  // Aktualitäts-Check

Zusammenfassung: Kritischste Änderungen

🔴 Kritisch - Muss angepasst werden:

  1. Collection-Zugriff für Messdaten

    • ❌ Alt: db.collection('data_' + sid)
    • ✅ Neu: db.collection('radioactivity_sensors') mit {sensorid: sid}

  2. Messwerte-Zugriff

    • ❌ Alt: doc.counts_per_minute
    • ✅ Neu: doc.values.counts_per_minute

  3. Name-Zugriff

    • ❌ Alt: sensor.name
    • ✅ Neu: sensor.name[sensor.name.length-1].name

  4. Adress-Zugriff

    • ❌ Alt: sensor.location[i].address.country
    • ✅ Neu: sensor.location[i].country

🟡 Wichtig - Sollte beachtet werden:

  1. Indoor-Flag: indoor === 1 statt indoor === true
  2. Zeitstempel: datetime.$date statt datetime bei Exporten
  3. Aktuelle Werte: properties.values statt mapdata Collection
  4. Index: Compound Index auf {sensorid: 1, "datetime.$date": 1} essentiell!

🟢 Optional - Neue Features:

  1. Neue Metriken: hv_pulses, counts, sample_time_ms verfügbar
  2. Location-Historie: location[].since zeigt Gültigkeit
  3. Positionsgenauigkeit: exact_loc (0=ungefähr, 1=exakt)
  4. Location-ID: location[].id für eindeutige Identifikation

Stand der Dokumentation: 27. März 2026

Reference in New Issue View Git Blame Copy Permalink