No description available.

A study on the use of computers for the management of construction projects has been conducted. The findings of this study will be presented here and will consist of: 1. An examination of the different utilization of computers in the field of construction management. 2. An analysis of the methodology of some well known computer software packages used by many construction companies. 3. A complete documentation of computer codes that have been developed a. to illustrate the use of computer graphics for an effective utilization of some construction management techniques such as the bar chart b. to solve the problem of resource leveling with a method named the Minimum Moment Algorithm.

Nutzergenerierte Geodaten werden für viele Anwendungen auch als alternative Quelle zu den amtlichen Daten genutzt. Das wohl populäreste Projekt, das solche Daten sammelt, ist OpenStreetMap (OSM), dessen umfangreiche Datenbank viele Typen geographischer Informationen abdeckt. Mit zunehmender Vollständigkeit werden diese Daten neben praktischen Anwendungen (Visualisierung, Routing, etc.) auch für die Beantwortung raumwissenschaftlicher Fragestellungen interessant. Das Leibniz-Institut für ökologische Raumentwicklung (IÖR) beschäftigt sich beispielsweise seit Jahren mit der Erfassung und Analyse der gebäudebasierten Siedlungsstruktur. Inwiefern der Gebäudedatenbestand von OSM für kleinräumige Analysen der Siedlungsstruktur genutzt werden kann, war bisher offen und wird mit dieser Studienarbeit, gemeinsam betreut von IÖR und dem Institut für Kartographie (TU-Dresden), beantwortet. In der Arbeit erfolgt ein quantitativer Vergleich der Gebäudedaten aus der OSM-Datenbank der mit Gebäudedaten der amtlichen Vermessung, im speziellen der Amtlichen Liegenschaftskarte (ALK) und des Amtlichen Topographisch-Kartographischen Informationssystems (ATKIS). Das Hauptaugenmerk liegt hierbei auf der Untersuchung von Gebäudepolygonen hinsichtlich der Vollständigkeit und Qualität der Gebäudepolygone. Im Rahmen einer Vollständigkeitsanalyse werden verschiedene Bezugsflächen verwendet, auf denen die vergleichenden Ergebnisse visualisiert werden. Für den objektbezogenen Vergleich zwischen den amtlichen und den freien Geodaten werden verschiedene Verschneidungsmethoden herausgearbeitet und hinsichtlich ihrer Aussagekraft bewertet. Stellvertretend für den Gesamtdatenbestand von Deutschland, wurde die Analyse auf ausgewählte Untersuchungsgebiete angewendet. Die Ergebnisse zeigen, dass die Gebäudedaten des OSM-Projektes noch starke Defizite aufweisen, was die Vollständigkeit und die Lagegenauigkeit anbelangt. Unterschiede zeigen sich vor allem hinsichtlich der Gebäudevollständigkeit zwischen Agglomerationsräumen und ländlichen Regionen, die hauptsächlich auf unterschiedlich ausgeprägte Kartieraktivitäten der OSM-Datenerfasser zurückzuführen ist. / User-generated geodata is used in various applications as an alternative solution to the authorative data source. The most popular project, collecting this kind of data, is OpenStreetMap (OSM). A lot of different types of geographical information are covered in this database. In fact of the increasing level of completeness, this data becomes besides practical cases (visualization, routing, etc.) more and more important for answering questions in spatial science. For many years the Leibniz Institute of Ecological Urban and Regional Development (IOER) deals with the analysis of the building related settlement structure. In what way the building data from OSM could be used for small-scale settlement structure analyses is open. This research paper, supervised by the IOER and the Institut of Cartography (TU Dresden), will answer this questions. This student research paper deals with the quantitative comparison between building data from the OSM-database and the authorative building data from the surveying authorities, especially the automated real estate map (ALK) and the Authorative Topographic-Cartographic Information System (ATKIS). The focus of this work is on the analysis of the polygons of buildings. They are examined according to their completeness and their positional consistency. As part of the analysis of completeness, several reference planes are used to visualize the comparative results. Within the geometrical comparison of buildings between authoritative and free geological data different intersection methods are applied and compared according to their significance. The anaylsis was implemented in selected investigation areas, representative for the german nationwide data set. The results illustrate a deficit in the field of building data from OSM, regarding to completeness and positional correctness. Main differences appear especially between urban agglomeration and rural areas. This could be explained by the different mapping behaviour of the members or the therefore required underlying data.

No description available.

Nutzergenerierte Geodaten werden für viele Anwendungen auch als alternative Quelle zu den amtlichen Daten genutzt. Das wohl populäreste Projekt, das solche Daten sammelt, ist OpenStreetMap (OSM), dessen umfangreiche Datenbank viele Typen geographischer Informationen abdeckt. Mit zunehmender Vollständigkeit werden diese Daten neben praktischen Anwendungen (Visualisierung, Routing, etc.) auch für die Beantwortung raumwissenschaftlicher Fragestellungen interessant. Das Leibniz-Institut für ökologische Raumentwicklung (IÖR) beschäftigt sich beispielsweise seit Jahren mit der Erfassung und Analyse der gebäudebasierten Siedlungsstruktur. Inwiefern der Gebäudedatenbestand von OSM für kleinräumige Analysen der Siedlungsstruktur genutzt werden kann, war bisher offen und wird mit dieser Studienarbeit, gemeinsam betreut von IÖR und dem Institut für Kartographie (TU-Dresden), beantwortet. In der Arbeit erfolgt ein quantitativer Vergleich der Gebäudedaten aus der OSM-Datenbank der mit Gebäudedaten der amtlichen Vermessung, im speziellen der Amtlichen Liegenschaftskarte (ALK) und des Amtlichen Topographisch-Kartographischen Informationssystems (ATKIS). Das Hauptaugenmerk liegt hierbei auf der Untersuchung von Gebäudepolygonen hinsichtlich der Vollständigkeit und Qualität der Gebäudepolygone. Im Rahmen einer Vollständigkeitsanalyse werden verschiedene Bezugsflächen verwendet, auf denen die vergleichenden Ergebnisse visualisiert werden. Für den objektbezogenen Vergleich zwischen den amtlichen und den freien Geodaten werden verschiedene Verschneidungsmethoden herausgearbeitet und hinsichtlich ihrer Aussagekraft bewertet. Stellvertretend für den Gesamtdatenbestand von Deutschland, wurde die Analyse auf ausgewählte Untersuchungsgebiete angewendet. Die Ergebnisse zeigen, dass die Gebäudedaten des OSM-Projektes noch starke Defizite aufweisen, was die Vollständigkeit und die Lagegenauigkeit anbelangt. Unterschiede zeigen sich vor allem hinsichtlich der Gebäudevollständigkeit zwischen Agglomerationsräumen und ländlichen Regionen, die hauptsächlich auf unterschiedlich ausgeprägte Kartieraktivitäten der OSM-Datenerfasser zurückzuführen ist.:Zusammenfassung ............................................................................ i Abstract ............................................................................................ ii Abbildungsverzeichnis ...................................................................... v Tabellenverzeichnis .......................................................................... vi Abkürzungsverzeichnis ..................................................................... vii 1. Einleitung ...................................................................................... 1 1.1. Motivation der Arbeit .................................................................. 1 1.2. Aufbau der Arbeit ....................................................................... 2 2. Theoretischer Teil .......................................................................... 3 2.1. Web 2.0 und nutzergenerierte (Geo)Daten ................................ 3 2.2. OpenStreetMap Projekt .............................................................. 5 2.3. Qualitäts- und Vollständigkeitsuntersuchungen ......................... 8 3. Methodischer Teil ........................................................................... 14 3.1. Daten, deren Formate und Aufbau ............................................. 14 3.1.1. Amtliche Geodaten – Gebäudedaten aus ATKIS und ALKIS ..... 14 3.1.2. Nutzergenerierte Geodaten – OSM .......................................... 16 3.2. Eingesetzte Software für die Datenaufbereitung ........................ 20 3.3. Konzept der Vollständigkeitsanalyse .......................................... 22 3.3.1. Bezugsflächen ......................................................................... 22 3.3.2. Ansätze auf Basis von Bezugsflächen ...................................... 26 3.3.2.1. Gebäudeanzahl ..................................................................... 26 3.3.2.2. Flächenbilanz ........................................................................ 27 3.3.3. Objektbezogener Vergleich zweier Datensätze ....................... 27 3.3.3.1. Centroid-Methode ................................................................. 29 3.3.3.2. Überdeckungsgrad-Methode ................................................. 30 3.4. Nutzungsinformationen ............................................................... 31 3.4.1. Attributinformationen aus OSM ................................................ 31 3.4.2. Attributinformationen aus amtlichen Daten .............................. 32 3.4.3. Möglichkeit zur Analyse von Attributinformationen ................... 33 4. Praktischer Teil ............................................................................... 35 4.1. Untersuchungsgebiete ................................................................ 35 4.2. Benutzte Datensätze .................................................................. 38 4.2.1. Referenzdatensatz Nordrhein-Westfalen ................................. 38 4.2.2. Referenzdatensatz Sachsen .................................................... 39 4.2.3. Vergleichsdatensatz OSM ......................................................... 39 4.2.4. Bezugsflächen .......................................................................... 41 4.3. Vorverarbeitung .......................................................................... 42 4.4. Bearbeitungsschritte der Vollständigkeitsanalyse ....................... 44 4.4.1. Auf Basis von Bezugsflächen..................................................... 44 4.4.2. Objektbezogen ......................................................................... 50 4.5. Ergebnisse .................................................................................. 54 4.5.1. Überblicklicher Vergleich ........................................................... 54 4.5.2. Vergleich von Anzahl und Fläche auf Basis von Bezugsflächen 57 4.5.3. Objektbezogener Vergleich ...................................................... 59 4.5.3.1. Centroid-Methode ................................................................. 60 4.5.3.2. Überdeckungsgrad-Methode ................................................. 61 4.5.4. Zusammenfassender Vergleich nach Untersuchungsgebieten ..63 4.5.5. Visualisierungsoptionen ........................................................... 64 4.6. Auswertung und Ergebnisse der Attributanalyse ........................ 66 5. Zusammenfassung ......................................................................... 69 5.1. Fazit ............................................................................................ 69 5.2. Ausblick ....................................................................................... 71 Literaturverzeichnis ............................................................................ ix Anhang ............................................................................................... xv / User-generated geodata is used in various applications as an alternative solution to the authorative data source. The most popular project, collecting this kind of data, is OpenStreetMap (OSM). A lot of different types of geographical information are covered in this database. In fact of the increasing level of completeness, this data becomes besides practical cases (visualization, routing, etc.) more and more important for answering questions in spatial science. For many years the Leibniz Institute of Ecological Urban and Regional Development (IOER) deals with the analysis of the building related settlement structure. In what way the building data from OSM could be used for small-scale settlement structure analyses is open. This research paper, supervised by the IOER and the Institut of Cartography (TU Dresden), will answer this questions. This student research paper deals with the quantitative comparison between building data from the OSM-database and the authorative building data from the surveying authorities, especially the automated real estate map (ALK) and the Authorative Topographic-Cartographic Information System (ATKIS). The focus of this work is on the analysis of the polygons of buildings. They are examined according to their completeness and their positional consistency. As part of the analysis of completeness, several reference planes are used to visualize the comparative results. Within the geometrical comparison of buildings between authoritative and free geological data different intersection methods are applied and compared according to their significance. The anaylsis was implemented in selected investigation areas, representative for the german nationwide data set. The results illustrate a deficit in the field of building data from OSM, regarding to completeness and positional correctness. Main differences appear especially between urban agglomeration and rural areas. This could be explained by the different mapping behaviour of the members or the therefore required underlying data.:Zusammenfassung ............................................................................ i Abstract ............................................................................................ ii Abbildungsverzeichnis ...................................................................... v Tabellenverzeichnis .......................................................................... vi Abkürzungsverzeichnis ..................................................................... vii 1. Einleitung ...................................................................................... 1 1.1. Motivation der Arbeit .................................................................. 1 1.2. Aufbau der Arbeit ....................................................................... 2 2. Theoretischer Teil .......................................................................... 3 2.1. Web 2.0 und nutzergenerierte (Geo)Daten ................................ 3 2.2. OpenStreetMap Projekt .............................................................. 5 2.3. Qualitäts- und Vollständigkeitsuntersuchungen ......................... 8 3. Methodischer Teil ........................................................................... 14 3.1. Daten, deren Formate und Aufbau ............................................. 14 3.1.1. Amtliche Geodaten – Gebäudedaten aus ATKIS und ALKIS ..... 14 3.1.2. Nutzergenerierte Geodaten – OSM .......................................... 16 3.2. Eingesetzte Software für die Datenaufbereitung ........................ 20 3.3. Konzept der Vollständigkeitsanalyse .......................................... 22 3.3.1. Bezugsflächen ......................................................................... 22 3.3.2. Ansätze auf Basis von Bezugsflächen ...................................... 26 3.3.2.1. Gebäudeanzahl ..................................................................... 26 3.3.2.2. Flächenbilanz ........................................................................ 27 3.3.3. Objektbezogener Vergleich zweier Datensätze ....................... 27 3.3.3.1. Centroid-Methode ................................................................. 29 3.3.3.2. Überdeckungsgrad-Methode ................................................. 30 3.4. Nutzungsinformationen ............................................................... 31 3.4.1. Attributinformationen aus OSM ................................................ 31 3.4.2. Attributinformationen aus amtlichen Daten .............................. 32 3.4.3. Möglichkeit zur Analyse von Attributinformationen ................... 33 4. Praktischer Teil ............................................................................... 35 4.1. Untersuchungsgebiete ................................................................ 35 4.2. Benutzte Datensätze .................................................................. 38 4.2.1. Referenzdatensatz Nordrhein-Westfalen ................................. 38 4.2.2. Referenzdatensatz Sachsen .................................................... 39 4.2.3. Vergleichsdatensatz OSM ......................................................... 39 4.2.4. Bezugsflächen .......................................................................... 41 4.3. Vorverarbeitung .......................................................................... 42 4.4. Bearbeitungsschritte der Vollständigkeitsanalyse ....................... 44 4.4.1. Auf Basis von Bezugsflächen..................................................... 44 4.4.2. Objektbezogen ......................................................................... 50 4.5. Ergebnisse .................................................................................. 54 4.5.1. Überblicklicher Vergleich ........................................................... 54 4.5.2. Vergleich von Anzahl und Fläche auf Basis von Bezugsflächen 57 4.5.3. Objektbezogener Vergleich ...................................................... 59 4.5.3.1. Centroid-Methode ................................................................. 60 4.5.3.2. Überdeckungsgrad-Methode ................................................. 61 4.5.4. Zusammenfassender Vergleich nach Untersuchungsgebieten ..63 4.5.5. Visualisierungsoptionen ........................................................... 64 4.6. Auswertung und Ergebnisse der Attributanalyse ........................ 66 5. Zusammenfassung ......................................................................... 69 5.1. Fazit ............................................................................................ 69 5.2. Ausblick ....................................................................................... 71 Literaturverzeichnis ............................................................................ ix Anhang ............................................................................................... xv

This thesis consists of two papers with somewhat different flavours. In Paper I we compute the étale cohomology ring H^*(X,Z/nZ) for X the ring of integers of a number field K. As an application, we give a non-vanishing formula for an invariant defined by Minhyong Kim. We also give examples of two distinct number fields whose rings of integers have isomorphic cohomology groups but distinct cohomology ring structures. In Paper II we define stacky building data for stacky covers in the spirit of Pardini and give an equivalence of (2, 1)-categories between the category of stacky covers and the category of stacky building data. We show that every stacky cover is a flat root stack in the sense of Olsson and Borne–Vistoli and give an intrinsic description of it as a root stack using stacky building data. When the base scheme S is defined over a field, we give a criterion for when a stacky building datum comes from a ramified cover for a finite abelian group scheme over k, generalizing a result of Biswas–Borne. / Denna avhandling består av två artiklar som skiljer sig något i karaktär. I Artikel I beräknar vi den étala kohomologiringen H^*(X,Z/nZ) då X är ringen av heltal av en talkropp K. Som en tillämpning, ger vi ett kriterium i form av en formel för när en invariant definierad av Minhyong Kim är noll eller ej. Vi ger också exempel på två olika talkroppar vars ringar av heltal har isomorfa kohomologigrupper men olika kohomologiringstrukturer. I Artikel II definierar vi stackig byggnadsdata för stackiga övertäckningar i Pardinis anda och visar en ekvivalens av (2,1)-kategorier mellan kategorin av stackiga övertäckningar och kategorin av stackig byggnadsdata. Vi visar att varje stackig övertäckning är en platt rotstack i Olsson och Borne–Vistolis mening och vi ger en intrinsisk beskrivning av den som en rotstack med hjälp av stackig byggnadsdata. När basen S är definierad över en kropp, ger vi ett kriterium för när ett stackigt byggnadsdatum kommer från en ramifierad övertäckning för ett ändligt abelskt gruppschema över k. Detta generaliserar ett resultat av Biswas–Borne.

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.

Für die Beantwortung verschiedener Fragestellungen im Siedlungsraum werden kleinräumige Informationen zur Siedlungsstruktur (funktional, morphologisch und sozio-ökonomisch) benötigt. Der Gebäudebestand spielt eine besondere Rolle, da dieser die physische Struktur prägt und sich durch dessen Nutzung Verteilungsmuster von Wohnungen, Arbeitsstätten und Infrastrukturen ergeben. In amtlichen Geodaten, Karten und Diensten des Liegenschaftskatasters und der Landesvermessung sind die Gebäude in ihrem Grundriss modelliert. Diese besitzen allerdings nur selten explizite semantische Informationen zum Gebäudetyp. Es stellt sich die Frage, ob und wie genau eine automatische Erkennung von Gebäudetypen unter Nutzung von Methoden der Geoinformatik, der Mustererkennung und des maschinellen Lernens möglich ist. In diesem Buch werden methodische Bausteine zur automatischen Klassifizierung von Gebäudegrundrissen vorgestellt. Im Kern werden Fragen beantwortet zu den Datenanforderungen, der Gebäudetypologie, der Merkmalsgewinnung sowie zu geeigneten Klassifikationsverfahren und den Klassifikationsgenauigkeiten, die abhängig von Eingangsdaten, Siedlungstyp und Trainingsdatenmenge erzielt werden können. Der Random-Forest-Algorithmus zeigte die höchste Flexibilität, Generalisierungsfähigkeit und Effizienz und wurde als bestes Klassifikationsverfahren identifiziert. Die Arbeit leistet einen wichtigen Beitrag zur Gewinnung kleinräumiger Informationen zur Siedlungsstruktur. Die entwickelte Methodik ermöglicht ein breites Anwendungsspektrum in der Wissenschaft, Planung, Politik und Wirtschaft (u. a. Stadt- und Regionalplanung, Infrastrukturplanung, Risikomanagement, Energiebedarfsplanung oder dem Geomarketing). / Building data are highly relevant for the small-scale description of settlement structures. Spatial base data from National Mapping and Cadastral Agencies describe the buildings in terms of the geometry but often lack semantic information on the building type. Here, methods for the automatic classification of building footprints are presented and discussed. The work addresses issues of data integration, data processing, feature extraction, feature selection, and investigates the accuracy of various classification methods. The results are of scientific, planning, policy and business interest at various spatial levels.

Das Leibniz-Institut für ökologische Raumentwicklung (IÖR) verfolgt u. a. das Ziel, präzise Kenntnisse über das Mengengerüst des deutschen Gebäudebestandes und seiner Eigenschaften zu gewinnen und räumlich hochauflösende Indikatoren als Grundlage einer nachhaltigen Raumentwicklung für Planer und Entscheidungsträger zu erarbeiten. Dieser Beitrag fokussiert auf Ansätze der räumlichen Analyse, die eine Quantifizierung und Charakterisierung des Gesamtbestandes von Wohn- und Nichtwohngebäuden unterstützen. Vorgestellt werden erste Ergebnisse einer deutschlandweiten Auswertung amtlicher Hauskoordinaten und Hausumringe. Der Gebäudebestand wird nach Bundesländern und nach Raumstrukturtypen des Bundesinstituts für Bau-, Stadt- und Raumforschung (BBSR) gegliedert. Es besteht Bedarf, nicht nur Datenmodelle zu entwickeln, sondern daraus auch Erklärungs- und Messmodelle abzuleiten, die einen expliziten Raumbezug aufweisen und sich zur bestandsorientierten Wissensgewinnung sowie zur Strategieentwicklung eignen – auch im europäischen Kontext.