OpenStreetMap
In meinem letzten Posting habe ich erklärt, wie man aus einem Video Einzelbilder extrahieren und georeferenzieren kann. Vor ziemlich genau zwei Jahren habe ich das erste Mal Videomapping zum Bahnmapping verwendet, ich blicke hier zurück und gebe meine Erfahrungen zum Besten.
Zur Erfassung von Eisenbahndaten (insbesondere Signale) haben sich in den vergangenen zwei Jahren selbst aufgenommene Videos als eine sehr gute Quelle herausgestellt. Man fährt die Strecke zwei- bis dreimal ab und kann dann daheim in aller Ruhe das Video auswerten. Somit kann man mit einer Reise kreuz und quer durch Deutschland in kurzer Zeit viele Daten erfassen. (Erfahrungsgemäß braucht man für 5 km 1 Stunde Arbeitszeit zum Auswerten, in Bahnhöfen mit vielen Gleisen und Signalen entsprechend länger)
Auf elektrifizierten Strecken erfolgt die Georeferenzierung anhand der Oberleitungsmasten. Man sieht sie markant im Video und ihren Schattenwurf auf den Bing-Bildern. Dabei zählt man die Oberleitungsmasten ab einem markanten Punkt (z.B. Bahnübergang, Brücken oder andere markante Objekte neben der Strecke). Zwischen zwei Masten wird interpoliert oder – bei Signalen mit hoher Bauhöhe – ist der Schattenwurf des Signalmastens auf dem Luftbild sichtbar.
Die Deutsche Bahn hat vor einigen Tagen ihr Open-Data-Portal eröffnet und ein paar erste Datensätze eingestellt. Ich mir diese Datensätze jetzt mal angesehen und mit eigenem Wissen und OSM-Daten verglichen.
Die meisten Datensätze stehen unter der CC-BY 4.0. Da die CC-BY eine Namensnennung verlangt, dürfen diese Daten derzeit noch nicht für OSM genutzt werden. Die DB ist gewillt, uns eine Ausnahmegenehmigung zu erteilen. Ich rechne damit, dass wir diese im Laufe der kommenden Woche erhalten.
UPDATE: Die Erlaubnis liegt uns NOCH NICHT VOR. Bitte die Daten nicht in OSM nutzen!
Die Datensätze von DB Projekt Stuttgart–Ulm GmbH sind die einzigen Datensätze, die derzeit unter der CC-0 verfügbar sind (und deshalb rechtlich keinerlei Beschränkungen unterliegen). Es stehen drei Datensätze zur Verfügung. Sie sind derzeit die einzigen echten Geodaten, alle anderen Datensätze im Portal sind reine Sachdaten.
Alle drei Datensätze werden als Shapefiles mit EPSG:3857 (Web Mercator) bereitgestellt. Es ist davon auszugehen, dass bei der DB selbst ein andere Bezugssystem zur Planung verwendet wird – höchstwahrscheinlich das DB-Ref, eine Gauß-Krüger-Abbildung, die jedoch von den Gauß-Krüger-Systemen der Vermessungsverwaltungen abweicht [1]. Wie die Daten in Web Mercator transformiert wurden (das ist keine einfache Umrechnung, sondern ein Datumsübergang) wird nicht offengelegt. Diese Frage muss geklärt sein, bevor die Daten in OSM übernommen werden.
In den Datensätzen sind nur die Planfeststellungsabschnitte enthalten, die auch schon planfestgestellt sind. Der Abschnitt um den Flughafen herum fehlt. Hier läuft noch immer das Planfeststellungsverfahren.
As a part of my work for the German Wochennotiz and multilingual weeklyOSM, I have stumbled across the manifestos of the candidates of the OSM US Board elections this week. Because a summary of all nine manifestos would be too long for a posting at weeklyOSM and Wochennotiz, I decided to write it down at my user diary .
This posting contains my own opinion which is not neutral. Please read the mainfestos on your own.
I am not a member of OSM US and I do not want join. My home is Germany and my main mapping is done there.
I am not a lover of HOT and remote mapping in area where you have never been before.
Martijn van Exel is a long time (“addicted”) OSM contributor and member of the current OSM US Board. He brings up a painful subject – the community size. According to graphs at his posting, the number of active mappers in the U.S. stopped increasing about 1 1/2 years ago. These are no good news.
Abbildung: Fahrscheinentwerter (Symbolbild, reverent @ pixabay, CC-0)
Manches mappt man nur des Mappens wegen. Getreu diesem Motto, habe ich kürzlich bei einem Besuch in Berlin begonnen, gezielt die Nummern von Fahrscheinentwertern zu mappen. Man könnte sich jetzt fragen, was daran besonders sei. Einfach Nummer aufschreiben und fertig? Nein, so einfach ist es nicht. An manchen Entwertern steht außen keine Nummer angeschrieben oder es ist – wie bei der S-Bahn Berlin – nur eine örtliche Nummer angeschrieben, nur innerhalb der jeweiligen Station eindeutig und einmalig ist.
Um an die wahre Nummer des Entwerters zu gelangen, habe ich einfach einen langen Papierstreifen, der etwa so breit wie ein VBB-Fahrschein ist, in den Entwerter geschoben und abstempeln lassen. Danach habe ich den kleinen, bedruckten Teil abgeschnitten und mit den verbleibenden Papierstreifen von einem anderen Entwerter abstempeln lassen.
Heute stellte sich mir die Frage, auf die die Overpass-API eine Antwort weiß.
Wie viele Newbies gibt es eigentlich in einem Gebiet, die Eisenbahnsignale mappen? Der Begriff “Newbie” stimmt nicht ganz, eigentlich erhält man alle Nodes, die nicht von einer vorher definierten Menge an Mappern zuletzt editiert wurden.
In den OSM-Daten sind neben den Tags nämlich auch ein paar Metadaten enthalten:
Beispiel:
<node id="3515197709" lat="48.8605008" lon="9.3274573" version="5"
timestamp="2015-07-21T19:02:45Z" changeset="32785733" uid="2450569"
user="regedemu">
<tag k="railway" v="signal"/>
<tag k="railway:signal:direction" v="forward"/>
<tag k="railway:signal:main" v="DE-ESO:hp"/>
<tag k="railway:signal:main:form" v="light"/>
<tag k="railway:signal:main:height" v="normal"/>
<tag k="railway:signal:main:states" v="DE-ESO:hp0;DE-ESO:hp1"/>
<tag k="railway:signal:position" v="right"/>
<tag k="ref" v="N501"/>
<tag k="source" v="survey"/>
</node>
Wir sehen in obigen XML-Listing folgende Metadaten:
version)timestamp)changeset). Dieser Änderungssatz hat das Objekt zuletzt bearbeitet.uid). Dieser User hat das Objekt zuletzt bearbeitet. Diese bleibt gleich, auch wenn der User sich umbenennt.user). Dieser User hat das Objekt zuletzt bearbeitet.Uns interessieren timestamp uind user. Mit dem Zeitstempel filtern wir nur die neusten Änderungen, mit User filtern wir alle Objekte weg, die von Eisenbahn-Powermappern geändert wurden.
Das ist die Overpass-Abfrage dazu:
Bild: Bauarbeiten zwischen Leipzig Hbf und Leipzig-Sellershausen, Foto: Falk2, Wikimedia Commons, CC-BY-SA 1.0–3.0
Auch diesen Sommer bietet die Deutsche Bahn wieder den Deutschlandpass an. Da ich diesen Sommer die Zeit dazu habe, werde ich etwa ein bis zwei Wochen lang mit User rurseekatze Ostdeutschland bereisen, um Eisenbahninfrastruktur zu mappen. Unsere Ziele: Bahnhöfen und Streckenabschnitte, wo - seit 2012 ein ESTW (elektronisches Stellwerk mit neuen Signalen) in Betrieb ging, - seit 2012 größere Um-/Ausbauten stattfanden, - in den nächsten zwei Jahren ein ESTW in Betrieb gehen wird oder ein Umbau ansteht.
Eine Karte mit den Zielen und den Gründen habe ich auf der französischen uMap-Instanz veröffentlicht.
Das Jahr 2012 ist als Grenze festgelegt, da die meisten Bing-Luftbilder in diesem Jahr oder später aufgenommen worden sind. Die Bing-Luftbilder eignen sich zum Mappen der Gleisanlagen. Derzeit läuft noch eine Zielsuche im Eisenbahnforum Drehscheibe-Online.
In den vergangenen Tagen habe ich mich der fotografischen Erfassung des Karlsruher Straßen- und Stadtbahnnetzes gewidmet. Da alle Straßenbahnen und 3 Stadtbahnlinien mit Einrichtungsfahrzeugen bedient werden, geht das mit einem Smartphone relativ einfach. Da in sämtlichen Karlsruher Fahrzeugen (auch die allerneusten Ein- und Zweisystemfahrzeuge) GPS-Empfang besteht, steht dem Mapillieren nichts im Wege.
“Einfach ganz hinten reinsetzen und Mapillary starten” ist die Kurzfassung der Tätigkeitsbeschreibung. Die Langfassung erhält zusätzlich noch folgende Kommentare:
Die deutsche Community hat “traditionell” zwei Kommunikationskanäle, die Mailingliste talk-de (seit August 2006) und das Forum. Da ich im Wochennotizteam die Mailinglisten lese, habe ich das Gefühl, dass Talk-de stirbt und Tagging gerade explodiert. Das Gefühl scheinen auch andere zu haben.
Persönlich bin ich der Meinung, dass es bei einer Community, die ein Bindeglied zwischen beiden Kanälen in Form der Wochennotiz hat, genügt, eine Sache nur einmal zu melden (amtsdeutsch “anzeigen”), wenn sie diskussionspflichtig ist, z.B. meinen mechanischen Edit von Eisenbahnsignalen. Andere sehen das anders und so habe ich mir die Statistik für meine Meinung gemacht.
Alle Zahlen sind auf 30 Tage normiert. Damit der der Graph glatter aussieht, habe ich die Zahl eines Monats immer mit dem Vor- und Nachmonat gemittelt.
Die folgende Auflistung basiert auf meiner persönlichen Präferenz und ist auf OSM zentriert. Es gibt (dem Programm zufolge) zwar auch im GIS-Track einige interessant klingende Vorträge, diese Videos habe ich jedoch noch nicht angesehen (während der Konferenz war ich am Donnerstag und Freitag im OSM-Track als Kameramann/Mixer).
Für Mapper eher uninteressant, aber als Einführungsvortrag für OSM-Neulinge ist Frederiks Keynote Nicht zuschauen – mitmachen! empfehlenswert.
Robert Klemm stellte seine Bachelorarbeit Automatisierte OSM Aufbereitung & Analyse von LKW-Mautstrecken in Deutschland vor.
Wer OSM-Daten analysiert, für den ist Claas Leiners Vortrag Daten aus OSM extrahieren und in QGIS weiterverarbeiten einen Blick wert.
Thomas Jakubicka von Mentz DV stellte in seinem Vortrag Indoor Routing in Gebäuden des öffentlichen Verkehrs auf Basis von OpenStreetMap-Daten vor, wie Mentz DV im Bereich des Indoor-Routings und der Indoor-Kartographie OSM nutzt.
Uneinigkeit im Publikum herrschte am Ende von Robert Buchholzs Vortrag FlatMatch – Online-Wohnungssuche mit OSM-Daten, ob eine Plattform, die Wohnungen in 3D in ihrer 3D-gemappten Umgebung darstellt, wirklich dazu führen würde, dass Vermieter ihre Umgebung mappen.
BRouter-Maintainer Arndt Brenschede berichtete in einem Lightning Talk über das intermodale Routing, welches er für BRouter implementiert hatte. In seinem Vortrag Neues zu BRouter ging er näher auf seinen Router und die Einbindung von BRouter in OsmAnd ein.
Für die Freunde freier Spiele präsentierte Tobias Knerr, der Maintainer von OSM2World, einen Workflow, wie man aus OSM-Daten mit OSM2World und Blender eigene Rennstrecken für das Open-Source Rennspiel SuperTuxKart erstellt.
Da die Gemeinden in meiner Umgebung fleißig alle zwei bis drei Jahre ein neues Neubaugebiet ausweisen, komme ich in “Genuss” regelmäßig etwas zum Mappen zu finden. Das nehme ich natürlich gerne als Herausforderung an, denn da kann man zeigen, dass man kein reiner Luftbild-Abpinsel-Mapper ist. Am Hand des Neubaugebiets “Am Schulzentrum” in Brackenheim zeige ich in diesem Blogpost, wie man Gebäude nur mit GPS mappt.
Neubaugebiete haben, nachdem sie erschlossen sind (d.h. Ver- und Entsorgungsleitungen verlegt und die Straßen befahrbar sind) eine Zeit lang den Vorteil, dass die Bautätigkeit erst beginnt und eine sehr geringe Abschattung besteht. Dadurch kann man mit einem normalen Garmin noch akzeptable Genauigkeiten erzielen.
Da eine Neuauflage der Bing-Bilder nicht absehbar ist und die Landesregierung Orthophotos nicht für OSM zur Verfügung stellen möchte, muss man eben zu den “klassischen” Methoden greifen, die in der Prä-Bing-Ära noch ganz normal waren.
Um Gebäude mit GPS einzumessen, empfiehlt es sich, das Baugebiet in dem Moment aufzusuchen, indem noch keine oder nur sehr wenige Eigentümer eingezogen sind. Der Sonntagenachmittag ist kein guter Tag, denn da besichtigen die Bauherren meistens ihre Baustelle. :-) Zufällig als sehr geeignet hat sich der Heiligabend 2014 erwiesen. Es hat nicht geregnet und die einzigen Personen, die mir begegnet sind, waren eine Streifenwagenbesatzung, die, ohne zu bremsen, an mir vorbeigefahren ist. Das Baugebiet war zu diesem Zeitpunkt noch unbewohnt, d.h. noch kein künftiger Bewohner war eingezogen.
Ein Paar stabile Stiefel (ich bin dank meines dualen Studiums in der Vermessung mit zwei Paar Sicherheitsschuhen ausgestattet), die schmutzig werden dürfen, sollte man auch nicht vergessen. Eine Warnweste vermittelt einen offiziellen Eindruck. Sie kann dazu führen, dass ihr gefragt werdet, ob ihr als Mitarbeiter des Bauordnungsamts kontrolliert, dass keiner zu hoch baut. :-)
Heut Oabend hats me in d Finger gjuckt. Jedes Moal, wenn i uf mei Benutzerseita im Wiki guck, denk i, da fehlt doch ebbes. Da stoat “DE-4, EN-3”, abber was isch mit deiner Mudderspoach? Ja, fürs Schwäbische hat s bisher im OSM-Wiki noch kein Vorlag gebba. Hat halt no koiner gmacht.
Aber jetzt gibt s oine. Wer Schwäbisch spricht oder versteht, kâ jetzt in sei Benutzerseita oina von de folgende Vorlaga eibinda:
Wenn ihr in eurer Benutzerseita scho Babel nutza dehnd und es so aussieht, wie bei mir bis heut Oabend
{{Babel|de-4|en-3}}
Wenn ihr Mutterschproachler seid, dann ergänzet des oifach zu
{{Babel|swg|de-4|en-3}}
Ansonschta
{{Babel|swg-4|de-4|en-3}}
oder swg-3, swg-2, …, je nach dem auf was vor m Nivo ihr Schwäbisch verschtehât.
Mei Benutzerseita im OSM-Wiki (bloß uf Englisch und Hochdeitsch)
Für die viele Schreibfähler bitt i eich um Vergäbung. S letschte Moal Schwäbisch han e im Abibuch gschrieba, wo e Sprüch von Schüler und Lehrer ufgschrieba han. Wenn ihr des da oba ganz andersch gschriebe hättet, kann s sei, dass ihr oifach z weit von mr weg wohnat.
Im OSM-Wiki kann man nun auf seiner Benutzerseite angeben, dass bzw. wie gut man Schwäbisch versteht. Bisher gab es im OSM-Wiki dazu keine Vorlage, aber ich habe sie heute Abend angelegt. Die Vorlagen sehen wie folgt aus:
Wenn ihr auf eurer Benutzerseite schon Babel zur Anzeige der Sprachkenntnisse benutzt, dann dürfte etwas ähnlich folgendem Codeschnipsel auf eurer Benutzerseite zu finden sein
Laut dem Twitteraccount von Skobbler soll in Bayern der Schilderwald gelichtet werden. Na gut, habe ich mir gedacht, warum zählen wir nicht mal selber, was denn schon alles gemappt ist. Dazu gibt es die Overpass-API und den Overpass-Turbo als GUI dazu. Die Abfrage war folgende:
node(area:3602145268)["traffic_sign"]; out meta;
Das Ergebnis waren gerade eben 17082 Nodes. Als Ways gemappte Schilder (wozu eigentlich) habe ich nicht gezählt, da diese meistens zur Dokumentation der Access-Beschränkungen verwendet werden, wie es das Verkehrszeichen-Tool vorschlägt.
Das ist der Link zur Abfrage. Ich rate davon ab, auf “Ausführen” zu klicken, da die Abfrage ein Weilchen dauert und 3 MB Daten liefert. Das ist für manchen schwachen Rechner vielleicht zu viel.
Kleinere Gebiete kann man jedoch schon abfragen, z.B. das Stadtgebiet von München. Dazu trägt man einfach die ID der Boundary-Relation addiert um 3600000000 ein. Diese ID bekommt man, indem man auf osm.org nach dem gewünschten Gebiet sucht. Das wäre die Abfrage für München (178 Schilder):
node(area:3600062428)["traffic_sign"]; out meta;
Vom Freitag, den 11. bis Sonntag, den 13. Juli 2014 fand in Köln das erste OpenRailwayMap-Mappingwochenende (mit Taggingdiskussion) statt. Es diente dem Austausch der Eisenbahnmapper und der Diskussion über Ergänzungen und Veränderungen am Eisenbahn-Taggingschema. Mit Emrah Kutlu war auch ein Vertreter von Mentz DV dabei.
Der Freitagabend begann locker im Lokal K in Köln-Ehrenfeld mit dem Eintrudeln und einer Vorstellungsrunde der Teilnehmer. Wir redeten über die Öffentlichkeitsarbeit der OpenRailwayMap und der Gewinnung neuer Mapper (insbesondere von bahninteressierten Nichtmappern als Bahnmapper). Im Anschluss stellte jeder seine Mappingtechniken vor.
Der Samstagvormittag begann mit dem Frühstück im Lokal K, welches in eine Vorstellung von Mentz DV und deren Nutzung von OSM-Daten überging. Wir erkannten, dass manches, was man bisher eher aus Spaß mappte, doch sinnvoll war. Emrah klärte darüber auf, dass auch das Mappen von Sitzbänken sinnvoll ist. Es ermöglicht ein besseres Routing im Rollator-Modus, wo die Existenz von Sitzbänken zum Ausruhen die Routenfindung beeinflusst.
Als er diverse Eisenbahnroutingfehler vorstellte, erklärten wir ihm die Tags service=](https://wiki.openstreetmap.org/wiki/Key:service#Railways), [usage= und maxspeed=*. Wir erkannten den Bedarf des Einführens eines Tags für die Regelfahrtrichtung. Die Regelfahrtrichtung ist die Richtung, in die ein Gleis normalerweise befahren wird (bei zweigleisigen Strecken in Deutschland in der Regel das rechte Gleis in Fahrtrichtung). Wenn auf einer zweigleisigen Strecke vor und nach einer Kurve die Möglichkeit besteht, das Gleis zu wechseln, so könnte ein Router über das kurveninnere Gleis routen, auch wenn das das Gegengleis ist und mit dieser Fahrt andere Zugfahrten blockiert werden würden. Deshalb werden Gegengleisfahrten in der Praxis in der Regel nicht geplant.
Viele Mapper sind bestrebt die nähere Umgebung um das eigene Heim, möglichst gut zu erfassen. Auch ich bin so. Doch einer Frage wollte ich auf den Grund gehen: Wie gut sind die Öffnungszeiten erfasst?
Öffnungszeiten sind etwas, was man mal so nebenbei erfassen kann. Wenn man irgendwo hin laufen oder Rad fahren möchte, kann man, ausreichend Zeit vorausgesetzt, Zwischenstops einlegen und dabei die Öffnungszeiten von Ladengeschäften und Gastronomiebetrieben erfassen.
Ich habe mich jetzt mal eine Stunde hingesetzt und mich intensiver mit der Overpass-API und den MapCSS-Fähigkeiten des Overpass-Turbo auseinander gesetzt. Möchte man für einen kleineren Bereich die Öffnungszeiten-Abdeckung grafisch darstellen, so genügt folgender Code:
<osm-script>
<union>
<query type="node">
<has-kv k="shop"/> <bbox-query {{bbox}}/>
</query>
<query type="way">
<has-kv k="shop"/> <bbox-query {{bbox}}/>
</query>
<query type="node">
<has-kv k="amenity" regv="^(restaurant|pub|bar|fast_food|food_court|ice_cream|cafe)$"/> <bbox-query {{bbox}}/>
</query>
<query type="way">
<has-kv k="amenity" regv="^(restaurant|pub|bar|fast_food|food_court|ice_cream|cafe)$"/> <bbox-query {{bbox}}/>
</query>
<recurse type="way-node" />
</union>
<print/>
</osm-script>
{{style:
node[opening_hours!=.],way[opening_hours!=.]
{ color:red; fill-color:red }
node[opening_hours],way[opening_hours]
{ color:blue; fill-color:blue; }
}}
Beispiel-Abfrage aus Karlsruhe
Hat ein POI Öffnungszeiten, ist er blau, andernfalls rot. Ob die Öffnungszeiten-Syntax eingehalten wurde, wird nicht geprüft.
Der obere Teil der Abfrage (osm-script) fragt die Objekte von der Overpass-API ab, der untere Teil rendert sie entsprechend.
Dieser Blogpost basiert auf einem Blogpost von tyr_asd.
EDIT: Overpass-Abfrage korrigiert und Link auf korrgierte Abfrage eingefügt.
Die Verbrauchersendung Markt im WDR-Fernsehen (montags 21:00 Uhr) wurde heute gezählt, wie oft das Kamerateam bei einem Bummel durch die Düsseldorfer Innenstadt gefilmt wurde. Fazit mindestens 110 mal. (Nachzulesen im Transkript der Beitrags im letzten Absatz)
Diese Zahl hat mich neugierig gemacht und ich habe mal die Overpass-API befragt (via [Overpass-Turbo(http://overpass-turbo.eu/)). Mit folgender Abfrage kam ich nur zu einem enttäuschenden Ergebnis – nur 12 Nodes mit man_made=surveillance. Dabei habe ich gleich auch noch nach Ways gesucht, die mit man_made=surveillance getaggt sind:
node(area:3600062539)[“man_made”=”surveillance”]; out meta; way(area:3600062539)[“shop”=”supermarket”]; out meta;
Abfrageergebnis (dem Link folgen, auf Ausführen klicken und ein Weilchen warten)
Nur mal zum Vergleich: Der Erzfeind Köln (Relations-ID 62578) hat hat 51 Nodes und 1 Way mit man_made=surveillance, das ergibt somit ca. 20.000 Einwohner pro Kamera. (Düsseldorf hat 49.500 Einwohner pro Kamera) Deutlich besser sieht es in Karlsruhe aus, dort sind 81 Nodes mit man_made=surveillance eingetragen, das ergibt “nur” 3650 Einwohner pro Kamera.
Eines muss man jedoch beim OSM-basierten Kamerazählen beachten. Wenn in einem Ladengeschäft mehrere Kameras hängen, wird diese Information meist nur an den Node bzw. den Way, der das Geschäft repräsentiert getaggt. Hinter einem shop=supermarket, man_made=surveillance, surveillance=indoor kann sich also auch ein Dutzend Kameras verstecken.
Mein persönliches Fazit meiner Overpass-API-Abfrage ist, dass ich künftig in jedem Ladengeschäft, das ich betrete, einen Blick nach oben werfe. Daheim oder schon unterwegs mit Vespucci auf meinem Android-Smartphone werde ich dann meine Erkenntnis in OpenStreetMap eintragen. Nachdem ich jetzt langsam bei alle Ladengeschäfte in meiner Umgebung die Öffnungszeiten erfasst habe, muss ich mich beim Einkaufen ja irgendwie beschäftigen. :)
“Folgende Anschlusszüge können leider nicht warten …”, meistens erzeugt dieser Satz Frust und häufig eine lange Wartezeit auf den nächsten Zug. Doch diese Wartezeit kann man, nachdem man sich ein Fahrgastrechteformular besorgt hat, sinnvoll für OSM nutzen. Bahnhöfe (vor allem Hauptbahnhöfe, nicht die Haltepunkte mitten in der Pampa) sind meistens voller POIs und ein Paradies für Detailmapper. Außerdem kann man fast ohne Vorbereitung (ein Blick mit dem Smartphone auf openstreetmap.org bzw. in OsmAnd) loslegen. Bahnhofsmapping kann man in drei Teile aufteilen:
In den meisten Umsteigebahnhöfen sind zwar schon alle Bahnsteige und die dazu gehörigen Gleise erfasst, aber an den Fußwegen, insbesonder im Bahnhofsgebäude findet man bestimmt noch etwas zum Mappen. Hierzu zu nimmt man einfach ein Blatt Papier oder einen Notizblock und skizziert den Grundriss der Bahnhofshalle und die Bahnsteigzugänge. Später kann man dann am Notebook mit JOSM die erfassten Informationen ins Indoor-Mapping-Schema pressen. Wichtige Tags habe ich am Ende dieses Blogpost zusammengestellt.
Die Skizzen aus Teil 1 kann man anschließend mit sichtbaren allen POIs füllen. In einem Bahnhof gibt es viele mappbare Dinge: Läden, Telefonzellen, Verkaufs-/Fahrscheinautomaten, Fahrkartenschalter, Sitzbänke. Bei Ladengeschäften kann man auch noch gleich die Öffnungszeiten eintragen. Gebräuchliche Tags habe ich am Ende dieses Blogpost gesammelt.
Zwei Ebenen hat fast jeder Bahnhof. Die Bahnsteighalle und die Bahnsteige bilden meist die eine Ebene, darunter bzw. darüber gibt es oft noch eine Unter- oder Überführung, in welcher sich auch noch mehr oder weniger viele Läden befinden.
Nachdem ich vor etwa einem Monat von meinen Erfahrungen vom Adressmapping mit dem Auto berichtet habe, bin ich von User Markus59 auf die Android-App Keypad-Mapper 3 hingewiesen worden. Den Hinweis habe ich zum Anlass genommen, mal drei gebräuchlichsten Adressmappingverfahren und Keypad-Mapper 3 einem gemeinsamen Test zu unterziehen. Folgende Techniken werden verglichen:
Die Aufnahme georeferenzierter Fotos habe nicht in Betracht gezogen, da das andauernde Fotografieren von Häusern als Fußgänger Anwohner vermutlich zum Ansprechen des Mappers verleiten würde, selbst wenn man eine Warnweste mit dem Aufdruck “VERMESSUNG” tragen würde.
Den Test habe ich im Dessauer Stadtteil Törten durchgeführt. Törten ist dörflich geprägt. Der Ortskern ist, für anhaltinische Dörfer typisch, locker mit Einfamilienhäusern und Nebengebäuden bebaut. Im Ortskern habe ich mein Walking Paper getestet. An den Ortskern grenzt ein Wohngebiet mit Doppelhaushälften, alle in Reih und Glied entlang der Straße angeordnet. Dort kamen die drei anderen Verfahren zum Einsatz.
Mit dem GPS-basierten Verfahren habe ich vor etwa eineinhalb Jahren mit dem Adressmapping begonnen. Beim GPS-basierten Verfahren setze ich mit einem GPS-Gerät (bei mir Garmin Dakota 20) einen Wegpunkt vor mittig auf die Straße vor das Haus und notiere auf einem Formular (PDF, 35 kB) Wegpunktnummer, Hausnummer und die Straßenseite (rechts/links). Wenn die Hausnummern geordnet sind und die Bebauung homogen ist (bei Baugebieten der Fall), genügt es bei einer Hausnummernreihe, wie z.B. 18 16 14 12 10, nur vor der 18 und der 10 einen Wegpunkt zu setzen. Neben den Hausnummern notiere ich auch noch jedes mal, wenn sich der Straßenname ändert (z.B. beim Abbiegen) den Straßennamen und die Fortbewegungsrichtung (z.B. Richtung Norden, abgekürzt “Ri. N”).
Die Erfassung von Hausnummern ist eine zeitintensive Arbeit, für die oft mehrere Möglichkeiten gibt. Die einen zeichnen zuerst von Bing alle Gebäude ab und schreiben dann vor Ort die Hausnummern auf Walking Papers oder Field Papers, andere setzen mit einem GPS-Gerät einen Wegpunkt vor jedes Haus auf die Straße und notieren Wegpunktnummer, Hausnummer und Straßenseite (rechts oder links). Wieder andere nutzen für das Adressmapping die Android App Keypad-Mapper 3
Ich selbst habe in der Vergangenheit Walking Papers und dem GPS-basierten Verfahren gearbeitet, bin jedoch aufgrund seiner Einfachheit auf die Technik mit Walking Papers umgestiegen, da man damit Zeit spart. Setzt man GPS-Wegpunkte, so weisen diese je nach Abschattung und Multipath-Effekten Ungenauigkeiten von bis zu 15 Metern auf, was eine Zuordnung zu den Gebäude in JOSM deutlich erschwert und Zeit frisst. Wenn jedoch, wie in Dessau bis zum 21. November 2012, nur alte, schlecht aufgelöste Bing-Bilder vorliegen, kann man nur das GPS-basierte Verfahren verwenden.
Um schneller in der gesamten Kernstadt von Dessau (d.h. Dessau-Nord, Dessau-Mitte, Dessau-Süd, Alten und Ziebigk) alle Adressen erfassen zu können, kam mir im Herbst letzten Jahres das Studienmodul Projektmanagement in meinem Studium des Vermessungswesens gerade recht. Die Aufgabenstellung “Messen Sie irgendetwas!” interpretierte ich gemeinsam mit den Usern (Kommilitonen) weltvermesserer89, 2170martin und BW12 sehr frei und nutzte sie für die Erprobung einer neuen Mappingtechnik, dem motorisierten Adressmapping.
Seit ich beim Mappen von Hausnummern die Gebäudenutzung (z.B. Wohnhaus, Garage) miterfasse, ärgere ich mich darüber, dass es keine Kartenstil gibt, der die Gebäudenutzung rendert und gleichzeitig wenig Toner/Tinte verbraucht. Deshalb habe ich jetzt Cadastre Style, einen schwarz-weißen Stil für Maperitive, entwickelt. Cadastre Style (deutsch: Kataster-Kartenstil) lehnt sich an die amtliche Liegenschaftskarte an.
Abbildung: Hausen an der Zaber mit Cadastre Style und Maperitive gerendert
Cadastre Style verzichtet größtenteils auf Flächenfarben und verwendet stattdessen Schraffuren, um Toner zu sparen. Außerdem kann man dadurch mittels Farbstiften seine Notizen hervorheben, was beim Standard-Mapnik-Stil nicht funktioniert, da er recht bunt ist. Weil auf Flächenfarben weitestgehend verzichtet wird, kann man mit harten Bleistiften auch einfacher die Hausnummern auf die Gebäude schreiben (und diese Hausnummern auch leichter lesen).