Cargo

Ein kurzer Zombie-Film, der etwas anders ist als alle anderen Zombie-Filme. Und mir fast ein Träänli in die Augen trieb. Aber seht selbst.

Was wäre, wenn die Sterne still stehen würden?

Über Neujahr waren wir in Unterbäch. Vom Dachfenster aus hatten wir eine prima Sicht aufs Bietschhorn, leider war der Himmel nur an einem Abend halbwegs wolkenlos.

Weil ich den Fotoapparat aufs Dach gestellt habe, ist diese kurze Zeitraffer-Sequenz herausgekommen. Gut zwei Stunden, komprimiert auf 10 Sekunden.

Dann habe ich mich gefragt, wie es ächt aussehen würde, wenn die Sterne stillstehen und habe die Fotos als Fingerübung mit hugin ao ausgerichtet, dass die Sterne fixiert bleiben (Wen’s interessiert wie, der/die fragt in den Kommentaren nacht).

Mit still stehenden Sternen sieht das dann so aus.

Und – wie schon in der Konkordia-Hütte – hab’ ich auch ohne Kompass wieder recht gut gegen Norden gezielt

StarStaX__DerBergStehtStill0000-_DerBergStehtStill0202_lighten

Where have I been in 2015

Hier ein weiterer meiner Jahresrückblick 2015-Posts. Die anderen sind unter dem Tag jahresrückblick15 zu finden.

Weil das letzte Mal schon auf Englisch, hier grad wieder.


I’ve updated the RMarkdown-document of the “analysis” of my yearly Geodata a bit. Namely, I parametrized the shizzle out of it, switched to the freely available Stamen maps (based on OpenStreetMap data) and – something which I’m quite prowd of myself – implemented a function to automagically extract the name of a location based on its latitude and longitude from the GeoNames database.

The original file with the full code can be found either on GitHub or on RPubs, the result is pasted below.


Introduction

I tracked my location data with OpenPaths since the beginning of 2014.
OpenPaths comes as an application for your phone, which tracks its location, uploads it to the OpenPath servers.
You can then donate your data for scientific research and also look at the data yourself, which is what we do here.

To be able to do this, we grab a .CSV file with the location data.
Log in to OpenPaths, and click on CSV under Download my data, which gives you a comma separated list of your location data, which can then visualize with R, which is what we’ve done here.

Data

We want to plot the location points on a map, which we can do with the wonderful ggmap library.
To get the place names from the GeoNames Web Services, we need the RCurl library, to parse the output XML, we obviously need the XML library.

First, we load the data file and then remove all the datapoints where we have an altitudes of ‘0’ (which is probably a fluke in the GPS data)
Obviously, we only want to look at this years data, we thus save a subset of the dataset for further processing.

library(ggmap)
library(RCurl)
library(XML)
data <- read.csv("/Users/habi/Dev/R/openpaths_habi.csv")
data$alt[data$alt == 0] <- NA
whichyear <- 2015
thisyear <- subset(data, grepl(whichyear, data$date))

Since we’re going to use it often, we’re making a function to grab the name of a place based on its latitude and longitude.

geoname <- function(lat,lon){
  # Grab GeoNames XML from their API, according to location
  txt = getURL(paste0("http://api.geonames.org/findNearbyPostalCodes?lat=", lat, "&lng=", lon, "&username=habi", collabse = NULL), .encoding = 'UTF-8', .mapUnicode = TRUE)
  # Parse XML tree
  xmldata <- htmlTreeParse(txt, asText=TRUE)
  # Extract <name> node (with empirically found location)
  Name <- xmldata$children[[2]][[1]][[1]][[1]][[2]][[1]]
  # Since we're only using the name as string, we can return it as such
 return(unlist(Name)[[2]])
}

Then, we display a summary of the geographical points.

summary(thisyear$lat)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   45.92   46.94   47.01   47.14   47.45   50.05
summary(thisyear$lon)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   6.562   7.432   7.695   7.826   8.211   9.999
summary(thisyear$alt)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##   84.85  363.10  533.00  541.90  554.20 3400.00     228

In 2015 I was in the mean somewhere close to Auswil.
I’ve lived at 541.9 m AMSL in the mean.

The .csv file also contains information about the iPhone we’ve used to collect the data.
Let’s look at these.

summary(thisyear$device)
## iPhone4,1 iPhone6,2 
##         0      8290

We see that in 2015 I have only used one phone, my iPhone 5S (iPhone6,2) and went through 9 different iOS version numbers.

summary(thisyear$os)
## 7.0.4 7.0.6   7.1 7.1.1 7.1.2   8.0 8.0.2   8.1 8.1.1 8.1.2 8.1.3   8.2 
##     0     0     0     0     0     0     0     0     0   614   933   347 
##   8.3   8.4   9.0   9.1   9.2 9.2.1 
##  1653   374  1365  1808   997   199

If we assume that I’ve tracked my location consistently, then I’ve used iOS 9.1 the longest, with 1808 saved data points.

Location data

Extremes

Interesting points in my yearly location data:

  • The minimal and maximal latitudes of 45.917 and 50.047, South and North respectively.
  • the minimal and maximal longitudes of 6.562 to 9.999, East and West respectively.
  • as well as the altitude, which ranges from 84.8 m AMSL to 3399.9 m AMSL.

We can get the extreme points out of the data pretty easily.
To do so, we subset the data depending on the value we want to have, construct a Location from these points, grab the map tile from that location, put a marker on top of it and display this is an image.

For the northmost point, this goes like so:

NLocation = c(lon=subset(thisyear, lat==max(thisyear$lat))$lon[1],
              lat=subset(thisyear, lat==max(thisyear$lat))$lat[1])
mapImage<- get_map(location= NLocation, source='stamen', maptype='toner-hybrid', zoom=10)
ggmap(mapImage) +
  geom_point(aes(x = subset(thisyear, lat==max(thisyear$lat))$lon[1],
                 y = subset(thisyear, lat==max(thisyear$lat))$lat[1]),
             alpha = .125,
             color="darkred",
             size = 10) +
  ggtitle(paste("Northmost point in", whichyear))

North

The northmost point in 2015 is in Kiedrich, which is true.
Even though I’ve not been in Kiedrich exactly, my mobile phone was probably connected to a tower there.
I spent two days in Ingelheim in January, at the International Masters competition in Swimming, which is close by.

The rest of the extremes can be extracted accordingly.

East

The most eastern point was in the Rehmen, during the first vacation with our (then) newborn daughter in the Bregenzer Wald.

South

The most southern point was in Breuil, while skiing in Zermatt.

West

The most western point was in St-Sulpice VD, during a meeting at the EPFL in Lausanne for working on the GlobalDiagnostiX project.

High

The highest point in 2015 at 3399.9 m AMSL was close to Zermatt on the Furgsattel.

Low

The lowest point at 84.8 m AMSL was in Gau-Algesheim, close to Ingelheim.

Where was I in Switzerland?

To plot the obtained data on a map, we have to center the resulting map location.
Since I only want to show the data points in Switzerland, we center the map on that.
Afterwards, we can simply plot all the thisyear geolocation points on top of that image, and you can see where I was in Switzerland in 2015.

HomeBase <- get_map(location= 'Switzerland', source = 'stamen', maptype='toner-hybrid', zoom=8)
AllPoints <- data.frame(lon=thisyear$lon, lat=thisyear$lat)
ggmap(HomeBase) + geom_point(aes(x = lon, y = lat),
                             data = AllPoints,
                             size = 3,
                             alpha = 0.125,
                             color="darkred") +
    ggtitle(paste("Where was Habi in Switzerland in", whichyear))

Switzerland

Der Rückblick auf mich selbst im 2015

Hier ein weiterer meiner Jahresrückblick 2015-Posts. Die anderen sind unter dem Tag jahresrückblick15 zu finden.

Wie im 2014 habe ich mit der Everyday App praktisch jeden Tag ein Selfie von mir gemacht. Mit minimalsten Anpassungen hab’ ich das Skript von leztem Jahr über meine 338 Selfies laufen lassen. Zusammengesetzt mit der Zeitraffer-App kommt schlussendlich dieses Video hier raus.

Knapp die Hälfte der Tage dachte ich daran beim Arbeitsschluss im Treppenhaus ein Foto zu machen [2]. Dadurch ist der Hintergrund und die Beleuchtung in diesen Bildern etwas konstanter, was das Ganze etwas schöner zum anschauen macht.

So seh’ ich aus, wenn mensch den Durchschnitt aus allen 338 ausgerichteten Bildern macht. Mein durchschnittliches Gesicht im 2015.

Habis average face for 2015

[1]: Oder war auswärts am arbeiten. Oder nicht am arbeiten.

Recommended readings: 11. January 2016

Die Recommended readings kommen deutlich später als auch schon, weil mein Delicious curator-Plugin seine Dienste verweigert hat, bis ich heute dank Nerdcore.de herausgefunden habe, dass die del.icio.us-RSS-Feeds neuerdings von einer anderen URL kommen. Mit einem kleinen Umweg über Cyberduck ist delicious-curator.php schnell editiert und voila, weiter geht’s.

Im letzten Monat las ich folgende Texte und fand diese gut:

Im letzten Monat sah ich folgende Videos und fand diese gut:

2015 in Fotos

Wie letzes Jahr versuche ich wieder ein-zwei-drei Rückblicke auf mein letztes Jahr zu machen. Die gesammelten Posts dazu werden unter dem Tag jahresrückblick15 gesammelt.

Hier ein Jahresrückblick in Fotos. Aus offensichtlichen Gründen ist meine Fotobibliothek in den letzten Monaten etwas monothematisch geworden; trotzdem sind ein auch genug andere schöne Momente zusammegekommen.

Das allererste GlobalDiagnostiX-Bild
Januar: Das allererste Röntgenbild mit dem GlobalDiagnostiX-System, ein schöner Moment.

Der Fotomat auf dem Rellerli
Februar: Den Fotomat für unsere Hochzeit zu mieten war eine der vielen guten Entscheidungen für diesen Tag. Die gut 1000 Fotos die entstanden sind, sind eine wunderbare Erinnerung.

Ufem Gurte
März: Aline ist da, wir geniessen die Sonne.

Wieder ins Büro
April: Der Vaterschafts-Urlaub ist vorbei, wenigstens scheint die Sonne auf dem Weg ins Büro.

Bregenzer Wald
Mai: Zum ersten Mal im Ausland mit Aline. Im wunderhübschen Bregenzer Wald.

Am Bielersee
Juni: Ein super-schöner Tag mit Sommerfest am Bielersee geht mit einem ebenso super-schönen Sonnenuntergang zu Ende.

Lej da Silvaplauna
Juli: Die Ferien im Graubünden waren super, bis auf den letzten Abend. Das gehört aber nicht hierhin.

Räzlialp
August: Ich mach’ das Hochzeitsgeschenk für Freunde. An ihrem wunderbaren Hochzeitsfest auf der Räzlialp.

Muotathal
September: Hab’ ich euch schon mal erzählt wie super meine Frau ist? Sie ist nämlich bei solchen Ideen dabei. Mit einem Lächeln im Gesicht. Auch noch nach einer kühlen Abfahrt vom Pragel-Pass ins Muotathal.

Nebelmeer
Oktober: Das Nebelmeer über dem Thunersee ist grandios. Die Wanderung vom Niederhorn runter geht übrigens auch mit dem Kinderwagen (auch wenn dieser zwischendurch getragen werden muss).

Horu
November: Die Skisaison ist eröffnet, wie immer im Penthouse des Haus Theodul. Mersi Mike für die Organisation.

Wo bleibt der Winter?
Dezember: Ein verspäteter Herbsttag mit warmem Licht im Könizbergwald.

PS: Habt ihr die Jahresrückblicke von Mark, Jan und Herr Blum auch gesehen?

Making of: Neujahrskärtli 2016

Wie letztes Jahr, für die, die’s wunder nimmt. Das Making Of meines Neujahrskärtlis.

Zutaten:

  • Eine Kalender-Erinnerung alle drei Monate (März, Juni, September und Dezember)
  • Die Dame (im März), die Damen (in den anderen Monaten)
  • Der Kocherpark
  • Das Stativ mit Panoramakopf und Kamera

Mise ein place:

  • Alle drei Monate ein 360×180°-Panorama aufnehmen, mit so ca. 30-40 Fotos.
  • Auf der Festplatte gut aufgehen lassen.

Zubereitung:

  • Alle 4 Panoramas mit hugin gleichzeitig ausrichten. Das dauert eine Weile, weil’s 10000 Kontrollpunkte gibt.
  • Daraus 4 einzelne Panoramen rechnen lassen, je eins für März, Juni, September und Dezember.
  • Mit Pixelmator aus 4 Ebenen ein Foto mit vier Regionen machen.
    Neujahrskarte, layered
  • Dieses Bild zu einem kleinen Planeten umrechnen.
  • Mit Pixelmator noch chli Text drufpfriemle.
  • Bei ifolor als Karte bestellen, beschriften.
  • Einen Teil per Post verschicken und den Rest vervelölen.

Äbe, es guets Nöis!

Neujahrskarte, final

PS: Wer in das Panorama eintauchen will, kann das unten tun. Und wie immer, Aline hat schon ein Gesicht, einfach nicht überall im Internet :)

Nebelmeer aufm Gurten

Am Wochenende war die grosse Dame am Skifahren, also hab’ ich mir mit der kleinen Dame zwei schöne Tage gemacht. Als ich am Sonntag morgen aufgestanden bin, war’s gar nicht schön, im Radio wurde aber um 09:00 erwähnt, dass die Nebel-Obergrenze auf 600 m ü. M. liegt. Also spazierten die Kleine und ich zur Gurtenbahn und verbrachten den halben Tag über der Nebelgrenze an der Sonne.

Dabei rausgekommen ist unten eingebundenes Video und diese paar Fotos.

PS: Hätte ich gestern Abend schon von Jukedeck gelesen, hätte ich das Video nicht mit dem Song Mist and Clouds unterlegt, sondern mit Dalston Memories, einem soeben algorithmisch generierten 75 Sekunden langen uplifting electronic Song.

Recommended readings: 1. December 2015

Im letzten Monat las ich folgende Texte und fand diese gut:

Im letzten Monat sah ich folgende Videos und fand diese gut:

Recommended readings: 1. November 2015

Im letzten Monat las ich folgende Texte und fand diese gut:

Im letzten Monat sah ich folgende Videos und fand diese gut:

Konsumations-Empfehlung: Mr. Robot

Vor längerer Zeit hab’ ich mal im Wired darüber gelesen, nach ein paar Folgen kann ich sagen: Mr. Robot ist unglaublich gut.

Schon die Eröffnungssequenz (unten eingebunden) ist packend und hat mich grad’ voll in die Serie reingezogen.

Rami Malek spielt Elliot, ein sozial nur halb funktioniereder Hacker welcher nebst seiner Arbeit bei einer Cyber-Sicherheits-Firma des Nächtens Selbstjustiz-mässig die Accounts von Freund, Feind und Bekannten durchpflügt und für Gerechtigkeit sorgt.

Zu Ende der achten Folge kriegt die Serie einen (für mich) unvorhersehbaren Twist, der das Ganze nochmals packender macht.

Absolute Konsumations-Emphfelung meinerseits.

Wie genau, sei dem geneigten Leser oder der Leserin dahingestellt, beispielsweise mit Kombination aus FireFox, Geolocater und Hulu oder showRSS und der BitTorrent-Software der Wahl. Das könnte aber illegal sein…