Ungemappte Wohngebiete in Deutschland anhand Zensus

Zumindest hier in der Gegend ist die Basis meist halb in den Boden eingegraben oder sogar betoniert. Das bleibt Jahre bis Jahrzehnte.
Der Haufen drüber schwankt natürlich wie vergleichbar der Bewuchs auf dem Acker.

Es soll dabei nicht die die Tagesgenaue füllmenge vom Fahrsilo erfasst werden, sondern die Fläche die dort als Fahrsilo gebaut wurde und so genutzt wird.

Genau diese art von Befestigten Fahrsilos sind bei dem Tag gemeint.

https://wiki.openstreetmap.org/wiki/DE:Tag:man_made%3Dbunker_silo

Der Zuschnitt der einzelnen Aufgaben scheint mir nicht sehr glücklich zu sein. Nach meiner Beobachtung können die meisten mit “Kein Fehler” abgeschlossen werden. Irgendwie wird das allmählich zur Beschäftigungstherapie. :confused:

Hi Hiddenhausener,

wenn Du Beispiele hast, wäre das hilfreich. Ich kann gerade keine großen Probleme sehen, oder vielleicht hast Du sie alle schon weggeklickt.

In Neuenkirchen oder Halle (Westf) kannst Du Dich noch austoben :slight_smile:

Generell wird es leider immer schwieriger, mit geometrischen/logischen Methoden die Teilwohngebiete zu finden, wo noch Häuser fehlen. Die Schwierigkeit liegt in großen landuse=residential wie https://www.openstreetmap.org/way/818877024, die auch noch Parks, Friedhöfe, Grünflächen und dergleichen enthalten.

“Wälder” und “Wiesen” ist aber ein guter Hinweis gewesen. Es gibt noch natural=wood, natural=grassland und die weiteren natural=*, die von den Wohngebieten abgezogen werden müssen. Die hatte ich bisher übersehen.

Hi,

ich habe die verbliebenen zwei Challenges für Brandenburg und Sachsen-Anhalt archiviert und „versteckt“, so dass sie in der Suche nicht mehr erscheinen. Ich habe keine andere Möglichkeit sie zu schließen, ohne sie gleich ganz zu löschen.

Bei beiden hatte das Interesse sehr nachgelassen und es gab nur noch sehr wenig Fortschritt.

Alle übrig gebliebenen Gebiete sind auch in der neuen, deutschlandweiten Challenge enthalten. Ihr verpasst also nichts :slight_smile:

Es ist auch nicht gut, zwei Challenges mit überlappenden Aufgaben aktiv zu haben, weil die Mapper dann bei der jeweils anderen auf Aufgaben stoßen, die schon erledigt sind.

Ich hoffe das ist alles ok so.

Viele Grüße
hfs

OT “man_made=bunker_silo”:

Missverständnis? Damit sind die Dinger mit den Betonseitenwänden gemeint. Die wachsen und schrumpfen eher selten :wink:
(Silos ohne Bauwerk zu erfassen wäre ähnlich sinnlos, wie Autostandorte einzutragen.)

+1
Zumindest im BW kann ich dem voll zustimmen.

Von fast 100 bearbeiteten Aufgaben, fehlten nur in 2 Aufgaben wirklich Gebäude (bisher ungemappte Neubaugebiete).
Neben den schon bekannten Fällen von Randstücken, waren dies insbesondere residentials mit “falschen” Gebäudetypen (commercial, industrial, hotel, …). In eindeutigen, großflächigen Fällen habe ich da das residential angepasst.

Wenn es darum geht, fehlende Gebäude zu ergänzen, sollten mMn alle Flächen herausgenommen werden, wo keine zusätzlichen Wohngebäude stehen können: Dazu gehören andere vorhandene Gebäude, aber auch Flächen wie Friedhöfe, Sportplätze, Verkehrsflächen, …

Ich habe jetzt noch ein Update eingespielt, bei dem die natural=*-Flächen abgezogen werden. Friedhöfe, Sportplätze, Schulgelände und dergleichen waren sowieso schon herausgenommen.

Die Verkehrsflächen sind in der Tat ein Problem. Ich habe keine gute Idee, wie man sie von leeren Wohngebieten unterscheiden kann, die auch ringsum von Straßen umgeben sind.

Man kann bei MapRoulette 3 unterschiedliche Prioritäten vergeben. Ich habe die Einstellungen dafür jetzt verbessert, so dass die 4300 Aufgaben mit hoher Priorität nur noch große Flächen ohne Wohngebäude sind. Wenn man nach Abschluss einer Aufgabe die Funktion benutzt, zur nächsten zufälligen oder benachbarten Aufgabe zu springen, dann werden einem nur diese „wichtigen“ Aufgaben vorgeschlagen. Vielleicht hilft das ja, um die zuerst die relevanteren Aufgaben zu finden.

Bisher ist das Verhältnis 713 „Fixed“ zu 1381 „Not an issue“, also fast 2/3 unnötige Aufgaben :confused:

Das mit dem “In der Nähe” klappt aber auch nicht. Ich habe 4 Fehler um Bielefeld und werde nicht zum nächsten geleitet sondern 22 km entfernt nach Neuenkirchen. Da stimmt doch auch was nicht.

Ah, danke für die Klarstellung. Die habe ich bis jetzt als barrier=wall erfasst. Und jetzt darf ich meine falschen man_made=bunker_silo Knoten wieder löschen.

…mal zur Kallibrierung des Bunker-Silo-Auges:https://bb-viewer.geobasis-bb.de/?projection=EPSG:25833&center=426858.2800871361,5763681.227818101&zoom=13&bglayer=4&layers=25

Sven

Hmm, oder doch nicht löschen?
Ich erkenne hier keine Mauern, aber die Funktion des Platzes ist doch die gleiche? Je nach Luftbild sehen die Haufen natürlich verschieden aus. https://www.osm.org/way/1081800885
Auf diesem Hof https://www.osm.org/way/218907575
sehe ich im Süden klar Mauern, aber der Haufen im Westen ist dann kein man_made=bunker_silo?

Hof: https://www.openstreetmap.org/way/218907575

  1. Bunker-Silo: https://www.openstreetmap.org/node/9911346743
  2. Bunker-Silo: https://www.openstreetmap.org/node/9911346742
    das erste (fast) gefüllt, das zweite nur etwas… In meinem Beispiel teilen sich diese Silos die Trennwand (ca. 2-3 hoch) hier hat jedes seine eigene…

Hof https://www.openstreetmap.org/way/1081800885

Das würde ich als “Haufen” bezeichnen, nicht als “Bunker-Silo” im Sinne der Beispiele… Ich wäre da aber durchaus tolerant…

Sven

Können wir das Thema “buker_silo” bitte auslagern?

verschwunden, aber nicht vergessen. :slight_smile:

Ich bin vermutlich der Letzte, der da noch unmapped buildings abliefert. Aufgrund der Kleinteiligkeit der Aufgaben geht dies natürlich nur im Schneckentempo. Completeness in den Sachsen-Anhaltinischen Auen liegt aktuell bei 75%. Tendenz kaum merklich steigend.

EDIT: Completeness um weitere 5% verbessert. :sunglasses:

Hallo liebe Mitmapper,

wir haben fast 50 % erledigt, da wird es wieder Zeit für ein Update. Bisher wurden schon etwa 73.000 neue Gebäude eingezeichnet.

Aktivität pro Tag:

Aktivität pro Woche nach Status:

Auf dieser Karte sieht man schön, wo schon alles erledigt wurde und wo es noch Arbeit gibt:

Und da es ja Beschwerden gab, dass der Anteil ungerechtfertigter Aufgaben zu hoch ist, hier einmal ihr Anteil an den gelösten Aufgaben:

@hfs: Danke für die tollen Statistiken!
Nur eine Frage: Was bedeuten die Farben in “Aktivität pro Tag”

Im neuen Forum gibt es jetzt einen Link hierher:
https://community.openstreetmap.org/t/ungemappte-wohngebiete-in-deutschland-anhand-zensus/6317

Das Diagramm kommt aus der Challenge-Verwaltungsansicht in MapRoulette. Da sieht man es mal wieder :wink: Kein Diagramm ohne Legende!

Die Farben bedeuten:

  • dunkelgrün: 0–8

  • türkis: 9–16

  • rosa: 17–24

  • gelb: 25–33

  • orange: 34–41

  • rot: ≥ 42

Es ist vollbracht! Die MapRoulette-Challenge Germany: Add missing buildings in residential areas ist vollständig abgearbeitet.

(Ungefähr) 170.000 Gebäude wurden in Deutschland neu erfasst!

Hier noch einige Auswertungen zum Verlauf der Challenge:

  • Start: 2022-07-17
  • Ende: 2023-03-09

Tasks pro Woche

Man sieht schön, wie sich das Tempo ab KW 45 erhöht hat. Der Anteil von “Not an Issue” nimmt im Laufe der Zeit zu, weil auch andere Mapper weiße Flecken mit Gebäuden füllen.

Beitragende

:1st_place_medal: Ehre gebührt söm4324, der 23 % aller Tasks eigenhändig erledigt hat und allein über 41.000 Gebäude eingezeichnet hat!

186 Mapper haben mitgemacht:

Mapper Tasks total Fixed Already Fixed Not An Issue CompletionTime
söm4324 4765 1736 2549 480 8 days 03:14:54
theophrastos 3152 891 298 1963 2 days 22:05:46
Geofreund1 2319 1305 58 956 7 days 13:40:54
fx99 2229 987 40 1202 1 days 19:30:34
hfs 919 491 125 303 2 days 20:13:28
Rainero 907 598 51 258 6 days 07:02:21
puma515 830 167 1 662 0 days 09:23:52
martinst 612 179 72 361 0 days 23:04:22
EvaUnterwegs 547 172 5 370 0 days 15:38:34
googlenaut 546 430 4 112 4 days 15:52:09
BeKri 196 128 46 22 3 days 05:12:34
Zkwosch 187 61 14 112 0 days 04:54:58
Tim-o 171 123 4 44 0 days 07:43:46
joko_BKG 151 36 1 114 0 days 09:15:42
huozhe 130 94 11 25 0 days 10:23:59
rubberduck9999 128 75 18 35 0 days 19:35:10
Piet183 123 17 0 106 0 days 07:13:57
noname1477 115 88 13 14 1 days 00:30:04
wobi9000 114 104 3 7 0 days 16:06:30
seichter 108 79 16 13 1 days 01:50:41
The_Nickname 105 62 1 42 1 days 13:25:02
DoloresReis 99 0 99 0 0 days 07:52:29
masse_BKG 95 82 0 13 0 days 08:43:58
kutt_bkg 92 60 4 28 0 days 08:45:33
osm-user12 86 52 9 25 0 days 15:38:14
mcliquid 81 54 1 26 0 days 02:31:10
Hiddenhausener 76 13 0 63 0 days 05:13:50
9ix 71 46 1 24 0 days 12:34:24
KoiAndBlueBird 71 32 3 36 0 days 01:25:15
UE_Su 66 46 9 11 0 days 04:42:27
MarcPhi 66 28 28 10 0 days 11:35:27
Backpfeifenolga 65 34 0 31 0 days 04:16:34
dkf2010 56 37 1 18 0 days 03:42:05
univalence 55 27 8 20 0 days 01:28:59
R0bst3r 53 8 0 45 0 days 01:19:46
Henry572 51 42 0 9 0 days 07:23:38
hiierundda 48 24 12 12 0 days 12:11:53
creabaluti 46 25 0 21 0 days 06:03:54
J_Lo_BKG 46 36 2 8 0 days 06:50:22
complete_gth 43 12 0 31 0 days 00:47:57
lovelyfurball88 42 28 3 11 0 days 06:11:52
pyram 40 34 2 4 0 days 11:54:07
geo_thom 37 13 0 24 0 days 03:45:18
vogelfreier 36 21 4 11 0 days 09:16:08
Fischkopp0815 34 19 1 14 0 days 04:09:40
CyclingHannes 31 23 6 2 0 days 14:32:28
wungasaurus 31 21 5 5 0 days 04:28:57
Airfall 30 13 5 12 0 days 00:51:34
HektorSchlegel 26 19 5 2 0 days 06:40:59
CasGroenigen 26 23 1 2 0 days 05:30:17
_klaas_ 24 14 0 10 0 days 01:04:25
janolezab 20 14 3 3 0 days 03:00:42
Ygramul 19 14 1 4 0 days 03:46:18
Rhodez 19 7 1 11 0 days 00:21:12
FastLukas 19 9 1 9 0 days 00:26:25
luca sski 17 16 0 1 0 days 02:24:15
Lesiakower 16 6 8 2 0 days 00:58:23
rik_ 16 9 0 7 0 days 00:37:27
taire 16 7 2 7 0 days 00:50:08
zwombie 15 11 3 1 0 days 04:35:34
SammyJM 15 12 0 3 0 days 04:23:05
ibanez 14 12 1 1 0 days 02:29:34
Karthoo 11 0 0 11 0 days 00:00:59
CaptainFehlentscheidung 11 5 2 4 0 days 01:29:47
Puntertje 11 4 1 6 0 days 00:41:28
Awania Morish 11 6 5 0 0 days 04:19:01
MichaelFS 11 0 0 11 0 days 00:12:42
wkdgs 10 5 0 5 0 days 00:14:40
Luuubb 10 4 1 5 0 days 00:59:39
Sonstige* 374 183 62 129 2 days 17:54:13

*) 117 weitere Mapper haben weniger als 10 Tasks bearbeitet

Hier noch eine detaillierte Aufschlüsselung der Changesets. Neben den Gebäuden wurden auch die umliegenden Daten verbessert. So wurden 1.000 neue Landuse-Flächen und fast 1.000 neue Highways hinzugefügt. Dass über 130,000 Nodes verändert wurden, bedeutet hoffentlich, dass viele vorhandene Gebäude verbessert wurden.

Mapper create
building=yes
create
building=*
create
buildings per hour
create
landuse
create
highway
create
node
create
way
create
relation
modify
building=yes
modify
building=*
modify
landuse
modify
highway
modify
node
modify
way
modify
relation
delete
node
delete
way
delete
relation
söm4324 41547 176 214 5 21 15 140 0 1425 319 98 300 33747 306 7 3068 356 1
theophrastos 8456 257 124 166 21 17 132 0 410 166 567 233 11534 137 8 701 61 1
Geofreund1 21718 1485 128 43 138 2077 336 7 4558 1480 268 738 17122 664 46 1783 136 0
fx99 10543 311 249 150 18 14 76 0 83 126 686 84 3754 222 0 637 43 3
hfs 8153 9 120 113 50 14 134 0 1303 158 202 95 5260 108 0 892 54 2
Rainero 11886 3465 102 110 65 20 174 0 1250 446 432 559 20192 189 12 1473 113 7
puma515 726 283 107 3 2 9 49 2 68 86 31 23 1379 18 0 73 4 0
martinst 2237 3 97 0 17 2 364 0 80 19 28 24 927 10 0 42 6 0
EvaUnterwegs 4519 8 289 3 4 0 2 0 223 47 44 8 2259 12 0 112 10 0
googlenaut 14799 35 133 82 18 0 410 0 929 254 92 59 14061 75 0 1186 135 2
BeKri 3965 57 52 76 175 43 307 2 340 252 400 734 10878 326 31 848 68 3
Zkwosch 492 0 100 6 14 0 9 0 1 0 5 17 35 3 0 2 0 0
Tim-o 2583 0 334 2 6 0 4 0 8 0 4 10 159 2 0 15 2 0
joko_BKG 693 0 75 0 0 0 1 0 2 0 0 0 0 0 0 0 0 0
huozhe 1648 1 159 4 5 49 5 0 9 0 27 15 85 8 0 62 4 0
rubberduck9999 1817 21 94 0 1 93 5 0 20 1 2 3 172 0 0 6 0 0
Piet183 133 15 20 39 3 0 15 1 20 17 111 30 977 45 0 383 36 1
noname1477 2291 10 94 11 20 4 11 0 21 3 25 54 329 8 0 43 0 0
wobi9000 2085 46 132 62 2 0 71 0 84 18 61 39 886 26 0 115 9 0
seichter 244 0 9 9 0 0 0 0 1 0 4 0 10 0 0 2 1 0
The_Nickname 1839 2 49 5 183 8 39 0 87 10 6 165 1088 4 4 139 11 0
DoloresReis 242 259 64 0 0 0 0 0 1 0 0 1 3 1 0 4 1 0
masse_BKG 769 0 88 0 0 0 16 0 16 0 1 0 76 0 0 9 6 0
kutt_bkg 786 0 90 0 0 0 2 0 43 1 0 0 6 0 0 26 0 0
osm-user12 813 9 53 6 11 1 9 0 24 2 19 20 239 8 0 45 3 0
mcliquid 506 42 218 11 3 1 9 0 30 11 20 11 82 11 0 22 7 0
Hiddenhausener 190 41 44 9 5 1 4 0 12 15 43 28 596 10 0 109 5 0
9ix 7 0 1 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0
KoiAndBlueBird 276 0 194 2 14 23 11 0 1 0 1 11 15 1 0 6 1 0
UE_Su 568 0 121 16 4 0 2 0 3 5 32 7 126 11 0 81 0 0
MarcPhi 365 9 32 0 0 0 13 0 10 0 1 6 118 2 0 6 0 0
Backpfeifenolga 753 2 177 1 9 0 26 0 8 2 6 21 109 1 0 64 11 0
dkf2010 636 0 172 3 0 0 2 0 28 5 0 1 254 1 0 4 0 0
univalence 199 0 134 0 6 0 6 0 0 0 2 4 7 0 0 4 1 0
R0bst3r 50 6 42 0 0 0 1 0 2 0 4 2 10 0 0 6 0 0
Henry572 993 21 137 4 2 0 0 0 1 2 19 15 58 9 0 18 1 0
hiierundda 970 1 80 0 8 6 0 0 128 19 2 18 524 1 0 80 16 0
creabaluti 327 5 55 0 6 1 12 0 1 0 4 8 92 1 0 6 0 0
J_Lo_BKG 458 0 67 0 0 0 0 0 8 0 0 0 12 0 0 0 1 0
complete_gth 19 151 213 1 0 0 6 0 2 0 1 7 20 0 0 1 0 0
lovelyfurball88 578 150 117 0 0 0 35 0 0 0 0 0 24 0 0 2 0 0
pyram 1334 25 114 22 24 0 15 0 100 10 41 115 1194 52 1 191 20 0
geo_thom 32 2 9 3 1 12 2 0 0 0 5 4 29 2 0 18 1 0
vogelfreier 329 0 35 23 2 1 6 0 88 14 52 62 820 34 1 284 8 0
Fischkopp0815 311 14 78 3 4 0 0 0 63 12 17 13 657 4 3 39 4 0
CyclingHannes 75 1 5 0 0 0 1 0 0 0 0 0 14 0 0 0 0 0
wungasaurus 1254 4 281 0 0 0 11 0 77 0 2 5 225 1 0 20 2 0
Airfall 165 0 192 0 0 0 2 0 2 0 0 1 32 1 0 7 2 0
HektorSchlegel 868 0 130 0 0 3 3 0 6 1 0 1 60 2 0 8 2 0
CasGroenigen 889 0 161 0 0 1 0 0 1 5 0 1 83 3 0 0 0 0
_klaas_ 94 0 88 2 4 0 0 0 4 0 2 5 31 0 0 1 0 0
janolezab 85 0 28 0 1 0 3 0 2 0 1 3 33 0 0 0 0 0
Ygramul 454 1 121 0 2 0 8 0 16 1 0 1 48 0 0 0 0 0
Rhodez 27 0 76 0 0 0 0 0 0 0 3 0 14 1 0 0 0 0
FastLukas 72 0 164 0 3 0 0 0 6 1 0 2 23 0 0 6 1 0
luca sski 245 0 102 0 0 0 0 0 2 0 0 0 30 0 0 0 0 0
Lesiakower 122 0 125 0 0 0 0 0 0 0 0 1 5 0 0 0 0 0
rik_ 57 0 91 0 0 0 0 0 15 0 2 2 88 1 0 6 0 0
taire 24 0 29 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
zwombie 345 0 75 0 0 0 1 0 3 1 1 7 85 2 0 10 0 0
SammyJM 447 0 102 0 3 0 2 0 0 1 0 5 20 1 0 0 0 0
ibanez 8 225 93 1 0 0 13 0 0 8 0 1 33 0 0 0 0 0
CaptainFehlentscheidung 89 0 59 0 0 0 0 0 5 0 0 0 4 0 0 0 0 0
Puntertje 121 0 175 0 0 0 0 0 0 0 1 0 7 0 0 0 0 0
Awania Morish 37 0 9 0 0 0 0 0 0 0 0 0 12 0 0 15 1 0
wkdgs 65 16 331 0 1 0 0 0 1 0 1 2 4 0 0 0 0 0
Luuubb 150 1 152 1 1 0 0 0 4 0 2 2 22 0 0 9 1 0
total 163384 7350 123 1056 951 2476 2577 12 11761 3538 3462 3708 132299 2354 122 13064 1190 21

In dieser Karte ist dargestellt, welcher Mapper pro Wabe am meisten Tasks erledigt hat. Daran kann man schön sehen, dass die aktivsten Mapper versuchen, zuerst “ihre” Region abzuarbeiten.

Zeitlicher Verlauf

Passend zur Karte oben habe ich hier noch eine interessante Karte, die den zeitlichen Ablauf visualisiert. Jede Wabe ist danach eingefärbt, wann der letzte Task darin erledigt wurde. Man kann schön sehen, wie sich die Aktivität Region für Region voranarbeitet.

Not an Issue – falsch positive Meldungen

Es gab ja einige Diskussionen darüber, dass es zu viele falsch positive Meldungen gab und der Anteil von Tasks, die als “Not an Issue” zu schließen waren, zu hoch war.

Die Verteilung der “Not an Issue” war regional sehr unterschiedlich – wenn man Pech hatte und in einem solchen Gebiet gestartet hat, konnte durchaus der Eindruck entstehen, dass “alle” Tasks “Not an Issue” wären.

Ich woltle wissen, ob man “Not an Issue”-Tasks schon anhand der geometrischen Eigenschaften hätte ausfiltern können. Das folgende Diagramm stellt den Anteil der Tasks dar, die “Fixed” wurden, eingeteilt nach der Fläche in m² der Landnutzungsfläche und nach dem Anteil der Fläche, der durch Gebäude bedeckt ist.

Bei den sehr kleinen Flächen < 10.000 m², die auch am häufigsten vorkommen, ist der Anteil von “Fixed” in der Tat kleiner.

Einfluss auf Fortschritt erfasster Gebäude in Deutschland

Zuguterletzt wollte ich noch auswerten, ob diese Challenge einen nennenswerten Einfluss auf die erfassten Gebäude in Deutschland hatte? Im Diagramm sieht man, dass es weiterhin einen stetigen Zuwachs an Gebäuden gibt. Ca. 20 % der in diesem Zeitraum neu hinzugekommenen Gebäude sind im Rahmen der Challenge entstanden.

5 Likes