Im Bereich der städtebasierten siedlungsstrukturellen Analysen spielen Gebäudedaten mit Informationen zur Gebäudenutzung und dem Gebäudetyp eine wichtige Rolle. Auf diesen Daten basiert die Modellierung von demografischen und sozioökonomischen Kenngrößen, welche bei Aufgaben der Siedlungsentwicklung oder in der Infrastrukturplanung zum Einsatz kommen. Vonseiten der amtlichen Vermessungsanstalten stehen kleinräumige und flächendeckende Daten zur Gebäudenutzung nur in begrenztem Umfang zur Verfügung. Eine darauf aufbauende Bevölkerungsabschätzung ist aus diesem Grund nur eingeschränkt möglich. Das Ziel dieser Arbeit war es, die Integration von nutzergenerierten Geodaten aus dem OpenStreetMap (OSM) Projekt für den Einsatz zur Abschätzung gebäudebasierter Bevölkerungs- und Wohnungszahlen zu untersuchen. Der Fokus liegt dabei besonders auf der Abgrenzung von Wohn- und Nichtwohnnutzung innerhalb von Gebäuden. Diese Informationen sind in den amtlichen Geobasisdaten nicht zu finden, können jedoch aus OSM Punkt- und Polygondaten extrahiert werden. Hauptgegenstand der Untersuchung ist die Entwicklung eines Modells zur Integration der Nichtwohnnutzungsinformationen aus OSM, welches Gewerbeinformationen anhand der OSM-Tags analysiert. Dazu war neben einer geeigneten Typologie, die Festlegung von Regeln zur Verarbeitung mehrerer Gewerbe in einem amtlichen Gebäude notwendig. Über räumliche Verschneidungen der Datensätze erfolgt die eigentliche Datenintegration. Zur Umsetzung des Modells wurden drei Python-Skripte erarbeitet, welche alle notwendigen Vorverarbeitungsschritte und anschließenden Modellberechnungen automatisiert durchführen. Zusätzlich zur Bestimmung des Nichtwohnnutzungsanteiles in den Gebäuden, fand eine Wohnung- und Bevölkerungsabschätzung mittels gebäudetypischer Kenngrößen auf Gebäudebasis statt. Mittels der Abschätzungsergebnisse ohne und mit OSM-Gewerbeinformationen, konnte eine Bewertung dieser Methode erfolgen. Eine Beurteilung der Qualität des Modells im Vergleich zur Realität benötigt geeignete Validierungsdaten. Diese wurden in Form von baublockbezogenen statistischen Einwohner- und Wohnungszahlen von der Stadt Dresden bereitgestellt und zur Ergebnisdiskussion herangezogen. Regionale Unterschiede konnten anhand von Übersichts- und Detailkarten sowie statistischen Analysen herausgearbeitet werden.:Inhaltsverzeichnis ............................................................................. I Abkürzungsverzeichnis ..................................................................... V Abbildungsverzeichnis ...................................................................... VII Tabellenverzeichnis .......................................................................... IX 1 Einleitung ...................................................................................... 11 1.1 Motivation ................................................................................... 11 1.2 Zielstellung und Aufbau der Arbeit ............................................. 12 2 Theoretische und praktische Grundlagen ...................................... 15 2.1 Räumliche Modellierung der Siedlungsstruktur ........................... 15 2.1.1 Siedlungsstrukturelle Begriffe ................................................. 15 2.1.2 Räumliche Daten ..................................................................... 18 2.2 Semantische Integration ............................................................ 23 2.2.1 Interoperabilität ...................................................................... 24 2.2.2 Datenintegration ..................................................................... 25 2.3 Semantik in Geodaten ................................................................ 28 2.3.1 Attributierung in OpenStreetMap ............................................. 28 2.3.2 Nutzungsinformationen in amtlichen Geobasisdaten ............... 31 3 Modellierung sozioökonomischer Kenngrößen ............................... 33 3.1 Bedarf an kleinräumigen Nutzungsinformationen ....................... 33 3.2 Modellierungsansätze ................................................................. 35 3.2.1 Ableitung sozioökonomischer Daten aus der Fernerkundung .. 35 3.2.2 Modellierung mit Hilfe von Geobasisdaten ............................... 36 3.3 Vorteile und Mängel der vorgestellten Ansätze .......................... 40 3.4 Möglichkeiten von OSM zur Verbesserung der Modellierung ....... 42 4 Methodik ........................................................................................ 43 4.1 Herangehensweise ..................................................................... 43 4.2 Flächen- und Gebäudenutzungen in amtlichen und OSM-Daten .. 44 4.2.1 Typologie der Flächen- und Gebäudenutzung .......................... 44 4.2.2 Typologie der Flächenbeanspruchung von Gewerben .............. 47 4.3 Modell zur Abschätzung des Nichtwohnnutzungsanteils ............. 50 4.3.1 Gebäudetypische Kenngrößen ................................................. 51 4.3.2 Vorgehensweise ...................................................................... 52 5 Daten ............................................................................................. 55 5.1 Untersuchungsgebiet .................................................................. 55 5.2 OpenStreetMap ........................................................................... 56 5.3 Amtliche Geobasisdaten .............................................................. 57 6 Praktische Umsetzung .................................................................... 59 6.1 Datenmanagement ...................................................................... 59 6.1.1 Eingesetzte Software ............................................................... 59 6.1.2 OSM-Import .............................................................................. 60 6.1.3 Datenorganisation ................................................................... 64 6.2 Praktische Umsetzung des Modell zur Abschätzung des Nichtwohnnutzungsanteils ................................................................ 65 6.2.1 Vorverarbeitung ....................................................................... 65 6.2.2 Modellberechnungen und Bevölkerungsabschätzung .............. 74 6.3 Validierung des Modells .............................................................. 79 6.3.1 Validierungsdaten .................................................................... 79 6.3.2 Durchführung ........................................................................... 80 7 Ergebnisse ..................................................................................... 83 7.1 Untersuchung zur Vollständigkeit der semantischen Informationen anhand der Gewerbe POI .......................................................................................................... 83 7.1.1 Datengrundlagen ..................................................................... 84 7.1.2 Gewerbevergleich durch zufällige Straßenwahl ........................ 84 7.1.3 Gezielter Gewerbevergleich durch Ortsbegehung .................... 86 7.2 Charakterisierung des Ergebnisdatensatzes .............................. 88 7.3 Validierung .................................................................................. 91 7.4 Ergebnisvisualisierung ................................................................ 93 8 Ergebnisdiskussion ........................................................................ 97 8.1 Kleinräumige Betrachtung ........................................................... 97 8.2 Dateninkonsistenz ...................................................................... 101 8.3 Methodische Schwächen und Stärken ........................................ 103 8.4 Weitere Analysemöglichkeiten .................................................... 104 9 Zusammenfassung ........................................................................ 105 9.1 Fazit ........................................................................................... 105 9.2 Ausblick ...................................................................................... 106 Literaturverzeichnis .......................................................................... 109 A Anhang .......................................................................................... 115 Anhang 1: IÖR Flächenschema ......................................................... 115 Anhang 2: Flächen- und Gebäudenutzungstypologie........................ 116 Anhang 3: Klassifikationsschema nach (Burckhardt, 2012) .............. 118 Anhang 4: Skript-Auszug 1 - Datenverarbeitung in der OSM-Punktdatei ................................................................................ 120 Anhang 5: Skript-Auszug 2 - Die Funktion „calculateGWTotal“ .......... 121 Anhang 6: Karten - Untersuchungsgebiet Dresden in 1:100.000 ..... 122 Anhang 7: CD-Inhalt ......................................................................... 122 / Building data with information of building uses and building types play an important role for city-based settlement structure analyses. The estimation of demographic and socio-economic parameters is based on this data. They were used in the field of settlement development or in infrastructure planning. The availability of area-wide and small-scale data of building uses from surveying authorities is limited. For this reason, the estimation of population based on this data cannot be realised sufficiently. Therefore, it was the aim of this research paper to analyse the integration of user-generated geodata from OpenStreetMap (OSM)-project for estimating building-based population and housing units. The research focuses on the separation of residential and non-residential usage within buildings. Not being detected in official geodatasets, the information can be retrieved from OSM-point and polygondata. The development of a model for the integration of non-residential information from OSM is the main subject of this research. It contains the analyses of commercial information out of the OSM Tags. Besides an appropriate typology specifications are necessary to process multiple businesses within one official building. The actual data integration occurs with the help of spatial intersections between the datasets. The implementation of the model is based on three Python-scripts, executing all pre-processing and following calculation steps automatically. In addition to the identification of non-residential building-parts, an estimation of population and housing units per building, based on typical building parameters took place. By means of the estimation results with and without OSM-information it was possible to valuate this method. Validation data is necessary to measure the quality of the model in comparison to reality. This datasets was provided by the City of Dresden, consisting of statistical population and building unit numbers based on building blocks, and used for the discussion of the results. To describe regional differences, maps with overview and detailed scales as well as statistical schemata where used.:Inhaltsverzeichnis ............................................................................. I Abkürzungsverzeichnis ..................................................................... V Abbildungsverzeichnis ...................................................................... VII Tabellenverzeichnis .......................................................................... IX 1 Einleitung ...................................................................................... 11 1.1 Motivation ................................................................................... 11 1.2 Zielstellung und Aufbau der Arbeit ............................................. 12 2 Theoretische und praktische Grundlagen ...................................... 15 2.1 Räumliche Modellierung der Siedlungsstruktur ........................... 15 2.1.1 Siedlungsstrukturelle Begriffe ................................................. 15 2.1.2 Räumliche Daten ..................................................................... 18 2.2 Semantische Integration ............................................................ 23 2.2.1 Interoperabilität ...................................................................... 24 2.2.2 Datenintegration ..................................................................... 25 2.3 Semantik in Geodaten ................................................................ 28 2.3.1 Attributierung in OpenStreetMap ............................................. 28 2.3.2 Nutzungsinformationen in amtlichen Geobasisdaten ............... 31 3 Modellierung sozioökonomischer Kenngrößen ............................... 33 3.1 Bedarf an kleinräumigen Nutzungsinformationen ....................... 33 3.2 Modellierungsansätze ................................................................. 35 3.2.1 Ableitung sozioökonomischer Daten aus der Fernerkundung .. 35 3.2.2 Modellierung mit Hilfe von Geobasisdaten ............................... 36 3.3 Vorteile und Mängel der vorgestellten Ansätze .......................... 40 3.4 Möglichkeiten von OSM zur Verbesserung der Modellierung ....... 42 4 Methodik ........................................................................................ 43 4.1 Herangehensweise ..................................................................... 43 4.2 Flächen- und Gebäudenutzungen in amtlichen und OSM-Daten .. 44 4.2.1 Typologie der Flächen- und Gebäudenutzung .......................... 44 4.2.2 Typologie der Flächenbeanspruchung von Gewerben .............. 47 4.3 Modell zur Abschätzung des Nichtwohnnutzungsanteils ............. 50 4.3.1 Gebäudetypische Kenngrößen ................................................. 51 4.3.2 Vorgehensweise ...................................................................... 52 5 Daten ............................................................................................. 55 5.1 Untersuchungsgebiet .................................................................. 55 5.2 OpenStreetMap ........................................................................... 56 5.3 Amtliche Geobasisdaten .............................................................. 57 6 Praktische Umsetzung .................................................................... 59 6.1 Datenmanagement ...................................................................... 59 6.1.1 Eingesetzte Software ............................................................... 59 6.1.2 OSM-Import .............................................................................. 60 6.1.3 Datenorganisation ................................................................... 64 6.2 Praktische Umsetzung des Modell zur Abschätzung des Nichtwohnnutzungsanteils ................................................................ 65 6.2.1 Vorverarbeitung ....................................................................... 65 6.2.2 Modellberechnungen und Bevölkerungsabschätzung .............. 74 6.3 Validierung des Modells .............................................................. 79 6.3.1 Validierungsdaten .................................................................... 79 6.3.2 Durchführung ........................................................................... 80 7 Ergebnisse ..................................................................................... 83 7.1 Untersuchung zur Vollständigkeit der semantischen Informationen anhand der Gewerbe POI .......................................................................................................... 83 7.1.1 Datengrundlagen ..................................................................... 84 7.1.2 Gewerbevergleich durch zufällige Straßenwahl ........................ 84 7.1.3 Gezielter Gewerbevergleich durch Ortsbegehung .................... 86 7.2 Charakterisierung des Ergebnisdatensatzes .............................. 88 7.3 Validierung .................................................................................. 91 7.4 Ergebnisvisualisierung ................................................................ 93 8 Ergebnisdiskussion ........................................................................ 97 8.1 Kleinräumige Betrachtung ........................................................... 97 8.2 Dateninkonsistenz ...................................................................... 101 8.3 Methodische Schwächen und Stärken ........................................ 103 8.4 Weitere Analysemöglichkeiten .................................................... 104 9 Zusammenfassung ........................................................................ 105 9.1 Fazit ........................................................................................... 105 9.2 Ausblick ...................................................................................... 106 Literaturverzeichnis .......................................................................... 109 A Anhang .......................................................................................... 115 Anhang 1: IÖR Flächenschema ......................................................... 115 Anhang 2: Flächen- und Gebäudenutzungstypologie........................ 116 Anhang 3: Klassifikationsschema nach (Burckhardt, 2012) .............. 118 Anhang 4: Skript-Auszug 1 - Datenverarbeitung in der OSM-Punktdatei ................................................................................ 120 Anhang 5: Skript-Auszug 2 - Die Funktion „calculateGWTotal“ .......... 121 Anhang 6: Karten - Untersuchungsgebiet Dresden in 1:100.000 ..... 122 Anhang 7: CD-Inhalt ......................................................................... 122

Im Bereich der städtebasierten siedlungsstrukturellen Analysen spielen Gebäudedaten mit Informationen zur Gebäudenutzung und dem Gebäudetyp eine wichtige Rolle. Auf diesen Daten basiert die Modellierung von demografischen und sozioökonomischen Kenngrößen, welche bei Aufgaben der Siedlungsentwicklung oder in der Infrastrukturplanung zum Einsatz kommen. Vonseiten der amtlichen Vermessungsanstalten stehen kleinräumige und flächendeckende Daten zur Gebäudenutzung nur in begrenztem Umfang zur Verfügung. Eine darauf aufbauende Bevölkerungsabschätzung ist aus diesem Grund nur eingeschränkt möglich. Das Ziel dieser Arbeit war es, die Integration von nutzergenerierten Geodaten aus dem OpenStreetMap (OSM) Projekt für den Einsatz zur Abschätzung gebäudebasierter Bevölkerungs- und Wohnungszahlen zu untersuchen. Der Fokus liegt dabei besonders auf der Abgrenzung von Wohn- und Nichtwohnnutzung innerhalb von Gebäuden. Diese Informationen sind in den amtlichen Geobasisdaten nicht zu finden, können jedoch aus OSM Punkt- und Polygondaten extrahiert werden. Hauptgegenstand der Untersuchung ist die Entwicklung eines Modells zur Integration der Nichtwohnnutzungsinformationen aus OSM, welches Gewerbeinformationen anhand der OSM-Tags analysiert. Dazu war neben einer geeigneten Typologie, die Festlegung von Regeln zur Verarbeitung mehrerer Gewerbe in einem amtlichen Gebäude notwendig. Über räumliche Verschneidungen der Datensätze erfolgt die eigentliche Datenintegration. Zur Umsetzung des Modells wurden drei Python-Skripte erarbeitet, welche alle notwendigen Vorverarbeitungsschritte und anschließenden Modellberechnungen automatisiert durchführen. Zusätzlich zur Bestimmung des Nichtwohnnutzungsanteiles in den Gebäuden, fand eine Wohnung- und Bevölkerungsabschätzung mittels gebäudetypischer Kenngrößen auf Gebäudebasis statt. Mittels der Abschätzungsergebnisse ohne und mit OSM-Gewerbeinformationen, konnte eine Bewertung dieser Methode erfolgen. Eine Beurteilung der Qualität des Modells im Vergleich zur Realität benötigt geeignete Validierungsdaten. Diese wurden in Form von baublockbezogenen statistischen Einwohner- und Wohnungszahlen von der Stadt Dresden bereitgestellt und zur Ergebnisdiskussion herangezogen. Regionale Unterschiede konnten anhand von Übersichts- und Detailkarten sowie statistischen Analysen herausgearbeitet werden. / Building data with information of building uses and building types play an important role for city-based settlement structure analyses. The estimation of demographic and socio-economic parameters is based on this data. They were used in the field of settlement development or in infrastructure planning. The availability of area-wide and small-scale data of building uses from surveying authorities is limited. For this reason, the estimation of population based on this data cannot be realised sufficiently. Therefore, it was the aim of this research paper to analyse the integration of user-generated geodata from OpenStreetMap (OSM)-project for estimating building-based population and housing units. The research focuses on the separation of residential and non-residential usage within buildings. Not being detected in official geodatasets, the information can be retrieved from OSM-point and polygondata. The development of a model for the integration of non-residential information from OSM is the main subject of this research. It contains the analyses of commercial information out of the OSM Tags. Besides an appropriate typology specifications are necessary to process multiple businesses within one official building. The actual data integration occurs with the help of spatial intersections between the datasets. The implementation of the model is based on three Python-scripts, executing all pre-processing and following calculation steps automatically. In addition to the identification of non-residential building-parts, an estimation of population and housing units per building, based on typical building parameters took place. By means of the estimation results with and without OSM-information it was possible to valuate this method. Validation data is necessary to measure the quality of the model in comparison to reality. This datasets was provided by the City of Dresden, consisting of statistical population and building unit numbers based on building blocks, and used for the discussion of the results. To describe regional differences, maps with overview and detailed scales as well as statistical schemata where used.