Das Projekt OpenStreetMap als freie Wiki-Weltkarte gewinnt als Quelle von Geodaten für unter-schiedlichste Bedürfnisse innerhalb der Geowissenschaften, des Geomarketings und auch im Alltag immer mehr an Bedeutung. Die kostenlosen, von Freiwilligen einer Community gesammelten geo-graphischen Daten, sogenannte nutzergenerierte Daten, dienen heute vielen Anwendern als Daten-grundlage und stehen in der Konkurrenz zu proprietären Geodaten von kommerziellen Anbietern. Neben Straßendaten sind zahlreiche zusätzliche Daten innerhalb OpenStreetMap verfügbar. Die aktuelle Technologie des Webmapping 2.0 und die dafür zahlreich verfügbaren Open Source GIS Systeme erlauben dem Anwender eine Vielzahl von Möglichkeiten zu Bearbeitung von Geodaten. Die freie Verfügbarkeit von Daten und Software machen die Nutzung und Verarbeitung von Geoda-ten somit auch für kleinere Unternehmen und Privatnutzer bezahlbar. Die vorliegende Studienarbeit stellt ein Verfahren vor, welches es ermöglicht aus OpenStreetMap-Daten Postleitzahlgebiete zu erstellen. Postleitzahlgebiete sind für viele Bereiche der Wirtschaft sehr wichtige Planungsstrukturen. Als Datengrundlage werden OSM-Adressdaten genutzt, aus denen, unter Nutzung von Open Source GIS Software, die Postleitzahlgebiete erzeugt werden. Die Generie-rung ist dabei automatisierbar und ohne die Nutzung grafischer Benutzeroberflächen möglich. Sie liefert als Ergebnis die Postleitzahlgebiete Deutschlands. Diese werden anschließend, unter Berück-sichtigung der ISO-Normen für Geoinformation, mit einem kommerziellen Datensatz verglichen und auf ihre Nutzbarkeit für Geomarketing und andere nützliche Anwendungen hin überprüft. / The OpenStreetMap project as the Free Wiki World Map as a source of gains for a wide variety of geospatial data needs within the geosciences, the geomarketing and in everyday life is becoming increasingly important. The free, a community of volunteers gathered geo-graphical data, so-called user-generated data, now serve many users as basic data and are in competition with proprietary spatial data from commercial providers. In addition to road data within OpenStreetMap numerous additional data is available. The current technology of the Web Mapping 2.0 and the many available Open Source GIS systems provide the user with a variety of options for managing spatial data. The free availability of data and software make the use and processing of geospatial data thus affordable for small businesses and home users. The current work presents a method that allows to create postcode areas from OpenStreetMap data. Postcode areas are very important planning structures for many areas of the economy. The OSM address data are used as data base, out of which the zip code areas are produced by taking advan-tage of Open Source GIS software. The creation is automated and without the use of graphical user interfaces. It provides as result the postal code areas of Germany. Taking into account the ISO stan-dards for geoinformation, the postal code areas are later compared with a commercial data set and their usability for geomarketing and other useful application is tested.

Das Projekt OpenStreetMap als freie Wiki-Weltkarte gewinnt als Quelle von Geodaten für unter-schiedlichste Bedürfnisse innerhalb der Geowissenschaften, des Geomarketings und auch im Alltag immer mehr an Bedeutung. Die kostenlosen, von Freiwilligen einer Community gesammelten geo-graphischen Daten, sogenannte nutzergenerierte Daten, dienen heute vielen Anwendern als Daten-grundlage und stehen in der Konkurrenz zu proprietären Geodaten von kommerziellen Anbietern. Neben Straßendaten sind zahlreiche zusätzliche Daten innerhalb OpenStreetMap verfügbar. Die aktuelle Technologie des Webmapping 2.0 und die dafür zahlreich verfügbaren Open Source GIS Systeme erlauben dem Anwender eine Vielzahl von Möglichkeiten zu Bearbeitung von Geodaten. Die freie Verfügbarkeit von Daten und Software machen die Nutzung und Verarbeitung von Geoda-ten somit auch für kleinere Unternehmen und Privatnutzer bezahlbar. Die vorliegende Studienarbeit stellt ein Verfahren vor, welches es ermöglicht aus OpenStreetMap-Daten Postleitzahlgebiete zu erstellen. Postleitzahlgebiete sind für viele Bereiche der Wirtschaft sehr wichtige Planungsstrukturen. Als Datengrundlage werden OSM-Adressdaten genutzt, aus denen, unter Nutzung von Open Source GIS Software, die Postleitzahlgebiete erzeugt werden. Die Generie-rung ist dabei automatisierbar und ohne die Nutzung grafischer Benutzeroberflächen möglich. Sie liefert als Ergebnis die Postleitzahlgebiete Deutschlands. Diese werden anschließend, unter Berück-sichtigung der ISO-Normen für Geoinformation, mit einem kommerziellen Datensatz verglichen und auf ihre Nutzbarkeit für Geomarketing und andere nützliche Anwendungen hin überprüft.:Kurzfassung ........................................................................................... I Abstract ................................................................................................. II Abbildungsverzeichnis ........................................................................... V Tabellenverzeichnis .............................................................................. VI Formeln ............................................................................................... VII Abkürzungsverzeichnis ...................................................................... VIII 1 Einleitung ............................................................................................ 1 1.1 Motivation ........................................................................................ 1 1.2 Aufbau der Arbeit ............................................................................. 2 1.3 Ziel der Arbeit .................................................................................. 3 2 Theorie ............................................................................................... 4 2.1 Postleitzahlen .................................................................................. 4 2.2 Nutzung von Postleitzahlen in der Privatwirtschaft ......................... 6 2.3 Postleitzahlen in OpenStreetMap .................................................... 8 2.4 Qualität von Geodaten .................................................................. 13 2.5 Vergleich von Daten unterschiedlicher Herkunft ............................ 18 2.5.1 Qualität von OSM-Daten ............................................................. 19 2.5.2 Vergleich von OSM-Daten mit Daten kommerzieller Anbieter ...... 20 2.5.3 Vergleichsmethoden für Polygondatensätze .............................. 22 2.5.3.1 Vergleichsmethoden ................................................................ 23 2.5.3.2 Vergleichskriterien und Qualitätsmaße .................................... 24 2.6 Gebietsgenerierung aus Punktdaten ............................................. 29 2.6.1 Allgemeines und Literatur ........................................................... 29 2.6.2 Voronoi-Verfahren ...................................................................... 32 2.7 Open Source GIS Software ............................................................ 35 3 Praxis ................................................................................................ 41 3.1 Technische Voraussetzungen ........................................................ 41 3.2 Datengrundlage ............................................................................. 41 3.3 Allgemeiner Arbeitsablauf .............................................................. 43 3.3.1 Datenvorverarbeitung ................................................................ 43 3.3.2 Erzeugung der Gebiete ............................................................... 46 3.3.3 Datennachbearbeitung ............................................................... 47 3.3.4 Export der Daten als Shapefile ................................................... 47 3.4 Praktische Umsetzung ................................................................... 48 3.4.1 Datenvorverarbeitung ................................................................ 48 3.4.2 Erzeugung der Gebiete ............................................................... 50 3.4.3 Datennachbearbeitung ............................................................... 51 3.4.4 Export der Daten als Shapefile ................................................... 51 3.5 Ergebnisse ..................................................................................... 51 3.6 Vergleich der Daten ....................................................................... 52 4 Fazit .................................................................................................. 63 5 Ausblick ............................................................................................. 65 Quellenverzeichnis ............................................................................... IX Literaturquellen .................................................................................... IX Internetquellen .................................................................................... XV Anhang ............................................................................................... XIX A Anhang Quellcodes .......................................................................... XIX A.1 Quellcode Import Deutschlandgrenze .......................................... XIX A.2 Quellcode Vorverarbeitung ........................................................... XIX A.3 Quellcode Erzeugung Polygone .................................................... XXI A.4 Quellcode Nachbearbeitung ........................................................ XXII A.5 Quellcode Export ........................................................................ XXIII B Anhang Screenshots PDF-Karten .................................................... XXV B.1 Postleitzonen (PLZ1) Deutschland OSM ....................................... XXV B.2 Postleitregionen (PLZ2) Deutschland OSM ................................. XXVI B.3 Postleitzahlen 3-stellig Deutschland OSM ................................. XXVII B.4 Postleitzahlgebiete (PLZ5) Deutschland OSM .......................... XXVIII B.5 Vergleich der Postleitzahlen ....................................................... XXIX B.6 Vergleich PLZ5 Hamburg .............................................................. XXX B.7 Punktdichte PLZ5-Centroide OpenStreetMap ............................. XXXI B.8 Punktdichte PLZ5-Centroide TeleAtlas ...................................... XXXII B.9 Euklidische Distanz PLZ3-Centroide OpenStreetMap ............... XXXIII B.10 Euklidische Distanz PLZ3-Centroide TeleAtlas ........................ XXXIV B.11 Euklidische Distanz PLZ5-Centroide OpenStreetMap ............... XXXV B.12 Euklidische Distanz PLZ5-Centroide TeleAtlas ........................ XXXVI C Anhang Tabelle .......................................................................... XXXVII C.1 Tabelle Vergleich PLZ5-Gebiete Hamburg ............................... XXXVII D Anhang ............................................................................................ XLI D.1 CD ................................................................................................ XLI / The OpenStreetMap project as the Free Wiki World Map as a source of gains for a wide variety of geospatial data needs within the geosciences, the geomarketing and in everyday life is becoming increasingly important. The free, a community of volunteers gathered geo-graphical data, so-called user-generated data, now serve many users as basic data and are in competition with proprietary spatial data from commercial providers. In addition to road data within OpenStreetMap numerous additional data is available. The current technology of the Web Mapping 2.0 and the many available Open Source GIS systems provide the user with a variety of options for managing spatial data. The free availability of data and software make the use and processing of geospatial data thus affordable for small businesses and home users. The current work presents a method that allows to create postcode areas from OpenStreetMap data. Postcode areas are very important planning structures for many areas of the economy. The OSM address data are used as data base, out of which the zip code areas are produced by taking advan-tage of Open Source GIS software. The creation is automated and without the use of graphical user interfaces. It provides as result the postal code areas of Germany. Taking into account the ISO stan-dards for geoinformation, the postal code areas are later compared with a commercial data set and their usability for geomarketing and other useful application is tested.:Kurzfassung ........................................................................................... I Abstract ................................................................................................. II Abbildungsverzeichnis ........................................................................... V Tabellenverzeichnis .............................................................................. VI Formeln ............................................................................................... VII Abkürzungsverzeichnis ...................................................................... VIII 1 Einleitung ............................................................................................ 1 1.1 Motivation ........................................................................................ 1 1.2 Aufbau der Arbeit ............................................................................. 2 1.3 Ziel der Arbeit .................................................................................. 3 2 Theorie ............................................................................................... 4 2.1 Postleitzahlen .................................................................................. 4 2.2 Nutzung von Postleitzahlen in der Privatwirtschaft ......................... 6 2.3 Postleitzahlen in OpenStreetMap .................................................... 8 2.4 Qualität von Geodaten .................................................................. 13 2.5 Vergleich von Daten unterschiedlicher Herkunft ............................ 18 2.5.1 Qualität von OSM-Daten ............................................................. 19 2.5.2 Vergleich von OSM-Daten mit Daten kommerzieller Anbieter ...... 20 2.5.3 Vergleichsmethoden für Polygondatensätze .............................. 22 2.5.3.1 Vergleichsmethoden ................................................................ 23 2.5.3.2 Vergleichskriterien und Qualitätsmaße .................................... 24 2.6 Gebietsgenerierung aus Punktdaten ............................................. 29 2.6.1 Allgemeines und Literatur ........................................................... 29 2.6.2 Voronoi-Verfahren ...................................................................... 32 2.7 Open Source GIS Software ............................................................ 35 3 Praxis ................................................................................................ 41 3.1 Technische Voraussetzungen ........................................................ 41 3.2 Datengrundlage ............................................................................. 41 3.3 Allgemeiner Arbeitsablauf .............................................................. 43 3.3.1 Datenvorverarbeitung ................................................................ 43 3.3.2 Erzeugung der Gebiete ............................................................... 46 3.3.3 Datennachbearbeitung ............................................................... 47 3.3.4 Export der Daten als Shapefile ................................................... 47 3.4 Praktische Umsetzung ................................................................... 48 3.4.1 Datenvorverarbeitung ................................................................ 48 3.4.2 Erzeugung der Gebiete ............................................................... 50 3.4.3 Datennachbearbeitung ............................................................... 51 3.4.4 Export der Daten als Shapefile ................................................... 51 3.5 Ergebnisse ..................................................................................... 51 3.6 Vergleich der Daten ....................................................................... 52 4 Fazit .................................................................................................. 63 5 Ausblick ............................................................................................. 65 Quellenverzeichnis ............................................................................... IX Literaturquellen .................................................................................... IX Internetquellen .................................................................................... XV Anhang ............................................................................................... XIX A Anhang Quellcodes .......................................................................... XIX A.1 Quellcode Import Deutschlandgrenze .......................................... XIX A.2 Quellcode Vorverarbeitung ........................................................... XIX A.3 Quellcode Erzeugung Polygone .................................................... XXI A.4 Quellcode Nachbearbeitung ........................................................ XXII A.5 Quellcode Export ........................................................................ XXIII B Anhang Screenshots PDF-Karten .................................................... XXV B.1 Postleitzonen (PLZ1) Deutschland OSM ....................................... XXV B.2 Postleitregionen (PLZ2) Deutschland OSM ................................. XXVI B.3 Postleitzahlen 3-stellig Deutschland OSM ................................. XXVII B.4 Postleitzahlgebiete (PLZ5) Deutschland OSM .......................... XXVIII B.5 Vergleich der Postleitzahlen ....................................................... XXIX B.6 Vergleich PLZ5 Hamburg .............................................................. XXX B.7 Punktdichte PLZ5-Centroide OpenStreetMap ............................. XXXI B.8 Punktdichte PLZ5-Centroide TeleAtlas ...................................... XXXII B.9 Euklidische Distanz PLZ3-Centroide OpenStreetMap ............... XXXIII B.10 Euklidische Distanz PLZ3-Centroide TeleAtlas ........................ XXXIV B.11 Euklidische Distanz PLZ5-Centroide OpenStreetMap ............... XXXV B.12 Euklidische Distanz PLZ5-Centroide TeleAtlas ........................ XXXVI C Anhang Tabelle .......................................................................... XXXVII C.1 Tabelle Vergleich PLZ5-Gebiete Hamburg ............................... XXXVII D Anhang ............................................................................................ XLI D.1 CD ................................................................................................ XLI

With the economic growth, the number of motor vehicles has increased rapidly for the last decades, especially in developing countries like China and India. Availability of more vehicles makes it more convenient for people to travel and merchandise transport. The increase of the number of vehicles also brings stresses to public traffic and pollution to the environment. When the number of vehicles on the road is over the available space, it results in traffic congestion. The problem is being studied and there are several solutions to it, like building more roads, rebuilding the existing streets and enlarging the cities. Based on the traffic reason and the environment reason, the government and the institute of environmental protection appeal to the public to take public transport means instead of private cars. But the measure affects the utilization ofmotor vehicles. Global Positioning System (GPS) provides autonomous geo-spatial positioningand navigation service. Once the user enters the destination, the navigation service will show the shortest path from the location of the user to the destination. Following the guide makes the vehicles running purposively, and it is also favorable for traffic control and management. Theoretically, if the diver keeps the same driving mode, the shortest path will cost the shortest time, but in reality, the traffic environment is complex and the driving speed is variable thus the shortest path is probably not the fastest path. In this study, the hinder factors of the speed and traffic are fixed constructions on the road, like: turnings, hospitals, schools, residential areas, traffic lights and the user-controlled factor (sites of traffic jams, accidents, and temporary construction on the road). We take the hinderfactors of traffic and driving speed into consideration while providing the route plan, finding the shortest-time path, and showing the result as an online map via the web Geographic Information System (GIS) application. We show that reducing the travelling time of motor vehicles, makes the traffic flow more rapid and efficient. Alsoreducing the emission time of motor vehicles, diminishes the greenhouse effect. Beside these, the achievement of our study also shows that the public can take advantage of open source tools and data to build their GIS application to do spatial and data analysis.

Die Besiedlung von Gewässern durch Fische, ist neben abiotischen Lebensraumbedingungen auch von der Erreichbarkeit d.h. von der art-spezifischen Ausbreitungsfähigkeit sowie von Wanderhindernissen abhängig. Der erste Teil dieser Arbeit bietet die erste umfangreiche quantitative Analyse von Ausbreitungsmustern und -distanzen von Flussfischen. Aus der Fachliteratur wurden 160 empirische Datensätze aus 71 wissenschaftlichen Studien zur Ausbreitung von 62 Fischarten in Flüssen extrahiert und an leptokurse Wahrscheinlichkeits-Dichte-Funktionen (Dispersal kernel) angepasst. Es konnte bei Fischpopulationen zwischen einer stationären (ca. 2/3) und einer mobilen Komponente (ca. 1/3) unterschieden werden deren Ausbreitungsdistanzen von vier Faktoren abhängig sind: Fischlänge, Form der Schwanzflosse, Fließgewässergröße, betrachtete Zeitspanne. Der zweite Teil dieser Arbeit widmet sich dem neu entwickelten Fischausbreitungsmodell FIDIMO einem GIS-Softwareprogramm zur Modellierung und Simulation der räumlichen und zeitlichen Ausbreitungsmuster von Fischen in Flüssen unter Berücksichtigung von Wanderhindernissen. FIDIMO verknüpft konzeptionelle Überlegungen zu Ausbreitungsmodellen in verzweigten Fließgewässernetzwerken mit empirisch bestimmten leptokursen Fischausbreitungskurven unter ausschließlicher Verwendung von Free and Open Source Software. Im dritten Teil der Arbeit wurde FIDIMO zur Modellierung der Ausbreitung von 17 Fischarten angewendet um die Einflüsse von (i) Habitatqualität, (ii) Ausbreitungsfähigkeit und (iii) Fließgewässer-Fragmentierung auf die Besiedlungsmuster durch Fische zu bestimmen. Die Ergebnisse zeigen, dass die artspezifische Habitatqualität und Ausbreitungsfähigkeit die Besiedlung maßgeblich bestimmen. Dagegen wurde kein signifikanter Einfluss von Barrieren auf das Vorkommen einer Art gefunden. Über längere Zeiträume sinkt der Einfluss von Fischausbreitung auf das lokale Vorkommen einer Fischart während die Habitatqualität relativ wichtiger wird. / The colonisation of rivers by fishes is directly linked to abiotic habitat conditions but often impaired by dispersal abilities of fishes and movement constraints such as barriers. The first part of this thesis provides the first comprehensive quantitative analysis of freshwater fish movement while considering fish populations consisting of differently mobile specimens. 160 empirical datasets from 71 studies on the movement of 62 riverine fish species were analysed based on refitted leptokurtic probability-density functions (dispersal kernels). A share of one third and two thirds emerged as a general pattern of the mobile and stationary component of a fish population, respectively. Moreover, four variables were identified primarily determining dispersal distances: fish length, aspect ratio of the caudal fin, river size and time. In the second part of the thesis, the novel fish dispersal model FIDIMO is introduced. FIDIMO provides a GIS-tool for predicting and simulating spatio-temporal patterns of fish dispersal in dendritic river networks considering movement barriers. The fish dispersal model FIDIMO links conceptual considerations on dispersal modelling with empirically observed leptokurtic fish movement patterns and the strengths of geographically explicit modelling in Free and Open Source GIS. In the third part of the thesis, FIDIMO was applied for modelling dispersal of 17 fish species to disentangle the effects of (i) habitat suitability, (ii) dispersal constraints and (iii) network fragmentation on the distribution of river fishes. The results show significant positive effects of both, local-scale habitat quality and species-specific dispersal ability on the distribution of river fishes, whereas no significant effect of barriers influencing the presence of a species could be found. Over longer time periods the importance of dispersal decreased in favour of habitat suitability becoming relatively more relevant in determining species'' presence.