PlanGeoNavigator

Værktøj til brug i planlægning. Giver overblik over BBR data for enkelte bygninger eller større områder

plangeonavigator/
│
├── app.py                # Backend (Flask + database + API)
│
├── templates/
│   └── index.html       # HTML (UI + layout)
│
├── static/
│   ├── app.js           # Frontend logik (kort, charts, interaktion)
│   └── style.css        # Styling (layout og design)

PlanGeoNavigator

En webapplikation til at analysere BBR-data på kort med interaktiv statistik. Applikationen er beregnet til at køre i localhost på test-server med trusted_conn adgang til LIFA LOIS database. Andre databaser kan bruges dog med forbehold for ændringer af databasestring, queries og mapping. Mappingtabellen gør det muligt nemt at adaptere koden til andre databaser.

---

Hvad kan applikationen?

Som bruger kan du:

• Se bygninger og grunde på kort
• Klikke på bygninger og få detaljer
• Tegne et område og lave statistik
• Se grafer (anvendelse, materiale, varme)
• Filtrere og få alle grafer til at påvirke hinanden
• Se KPI’er (antal, areal, gennemsnitligt byggeår)

---

Hvordan bruges systemet?

1. Åbn web-appen i browser
2. Zoom ind på kortet
3. Klik på en grund eller bygning for detaljer
4. Skift til “statistik” mode
5. Tegn et område
6. Se grafer og filtrér data

Klik på fx "Carport" → Alle Carporte for området fjernes og alle grafer opdateres

Backend (app.py)

Backend er lavet med Flask og har følgende endpoints:

• /api/data → henter bygninger (kort)
• /api/grund_data → henter grunde
• /api/bygning → info om én bygning
• /api/enheder → enheder i en bygning
• /api/statistik → statistik for et område

Data hentes fra SQL Server (BBR)

---

Frontend logik (app.js)

• Loader kort (Leaflet)
• Henter data fra backend
• Tegner bygninger
• Håndterer klik
• Tegner grafer (Chart.js)
• Filtrerer data (cross-filter)

---

Styling (style.css)

Indeholder:

• Layout
• KPI-bokse
• Charts styling
• Popup vinduer

---

HTML (index.html)

Indeholder:

• Kort container
• Statistik panel
• UI struktur

---

Dataflow

1. Bruger tegner polygon
2. app.js sender WKT til /api/statistik
3. app.py henter data fra SQL
4. Data returneres som JSON
5. app.js viser grafer og KPI

---

Teknologier

• Flask (Python backend)
• Leaflet (kort)
• Chart.js (grafer)
• SQL Server (BBR data)
• JavaScript (frontend logik)

---

Kort sagt

Applikationen er:

Et GIS + analyseværktøj
Et mini BI-system i browseren

---