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.

Les caméras de surveillance sont de plus en plus fréquemment présentes dans notre environnement (villes, supermarchés, aéroports, entrepôts, etc.). Ces caméras sont utilisées, entre autres, afin de pouvoir détecter des comportements suspects (intrusion par exemple) ou de reconnaître une catégorie d'objets ou de personnes (détection de genre, détection de plaques d'immatriculation par exemple). D'autres applications concernent également l'établissement de statistiques de fréquentation ou de passage (comptage d'entrée/sortie de personnes ou de véhicules) ou bien le suivi d'un ou plusieurs objets se déplaçant dans le champ de vision de la caméra (trajectoires d'objets, analyse du comportement des clients dans un magasin). Compte tenu du nombre croissant de caméras et de la difficulté à réaliser ces traitements manuellement, un ensemble de méthodes d'analyse vidéo ont été développées ces dernières années afin de pouvoir automatiser ces tâches. Dans cette thèse, nous nous concentrons essentiellement sur les tâches de détection et de suivi des objets mobiles à partir d'une caméra fixe. Contrairement aux méthodes basées uniquement sur les images acquises par les caméras, notre approche consiste à intégrer un certain nombre d'informations contextuelles à l'observation afin de pouvoir mieux interpréter ces images. Ainsi, nous proposons de construire un modèle géométrique et géolocalisé de la scène et de la caméra. Ce modèle est construit directement à partir des études de prédéploiement des caméras et peut notamment utiliser les données OpenStreetMap afin d'établir les modèles 3d des bâtiments proches de la caméra. Nous avons complété ce modèle en intégrant la possibilité de prédire la position du Soleil tout au long de la journée et ainsi pouvoir calculer les ombres projetées des objets de la scène. Cette prédiction des ombres a été mise à profit afin d'améliorer la segmentation des piétons par modèle de fond en supprimant les ombres du masque de mouvement. Concernant le suivi des objets mobiles, nous utilisons le formalisme des automates finis afin de modéliser efficacement les états et évolutions possibles d'un objet. Ceci nous permet d'adapter le traitement de chaque objet selon son état. Nous gérons les occultations inter-objets à l'aide d'un mécanisme de suivi collectif (suivi en groupe) des objets le temps de l'occultation et de ré-identification de ceux-ci à la fin de l'occultation. Notre algorithme s'adapte à n'importe quel type d'objet se déplaçant au sol (piétons, véhicules, etc.) et s'intègre naturellement au modèle de scène développé. Nous avons également développé un ensemble de "rétro-actions" tirant parti de la connaissance des objets suivis afin d'améliorer les détections obtenues à partir d'un modèle de fond. En particulier, nous avons abordé le cas des objets stationnaires, souvent intégrés à tort dans le fond, et avons revisité la méthode de suppression des ombres du masque de mouvement en tirant parti de la connaissance des objets suivis. L'ensemble des solutions proposées a été implémenté dans le logiciel de l'entreprise Foxstream et est compatible avec la contrainte d'exécution en temps réel nécessaire en vidéosurveillance. / Video-surveillance cameras are increasingly used in our environment. They are indeed present almost everywhere in the cities, supermarkets, airports, warehouses, etc. These cameras are used, among other things, in order to detect suspect behavior (an intrusion for instance) or to recognize a specific category of object or person (gender detection, license plates detection). Other applications also exist to count and/or track people in order to analyze their behavior. Due to the increasing number of cameras and the difficulty to achieve these tasks manually, several video analysis methods have been developed in order to address them automatically. In this thesis, we mainly focus on the detection and tracking of moving objects from a fixed camera. Unlike methods based solely on images captured by cameras, our approach integrates contextual pieces of information in order better interpret these images. Thus we propose to build a geometric and geolocalized model of the scene and the camera. This model is built directly from the pre-deployment studies of the cameras and uses the OpenStreetMap geographical database to build 3d models of buildings near the camera. We added to this model the ability to predict the position of the sun throughout the day and the resulting shadows in the scene. By predicting the shadows, and deleting them from the foreground mask, our method is able to improve the segmentation of pedestrians. Regarding the tracking of multiple mobile objects, we use the formalism of finite state machines to effectively model the states and possible transitions that an object is allowed to take. This allows us to tailor the processing of each object according to its state. We manage the inter-object occlusion using a collective tracking strategy. When taking part in an occlusion, objects are regrouped and tracked collectively. At the end of the occlusion, each object is re-identified and individual tracking resume. Our algorithm adapts to any type of ground-moving object (pedestrians, vehicles, etc.) and seamlessly integrates in the developed scene model. We have also developed several retro-actions taking advantage of the knowledge of tracked objects to improve the detections obtained with the background model. In particular, we tackle the issue of stationary objects often integrated erroneously in the background and we revisited the initial proposal regarding shadow removal. All proposed solutions have been implemented in the Foxstream products and are able to run in real-time.

Der Vortrag erläutert die Verwaltung von Geometrie- und geographischen Daten nach der OpenGIS-Spezifikation in der Datenbank PostgreSQL/PostGIS. Schwerpunkte sind Installation, geometrische Datentypen, Eingabe und einfache Abfragen, Abfrage von Objektbeziehungen, Indices und Aggregatfunktionen. Auf die Verwendung von geographischen Bezugssystemen, die Verwendung in OpenStreetMap und die Schnittstellen zu Programmiersprachen wird ebenfalls eingegangen.

Der Vortrag erläutert, wie aus den Daten des OpenStreetMap-Projekts Karten erzeugt werden können. Neben dem Zusammensetzen einfacher Karten aus vorberechneten Tiles wird im Hauptteil erläutert, wie die Vektordaten zum Zeichnen benutzt werden können. Die Darstellung von Höhendaten schließt den Vortrag ab.

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

Cycling in Germany- and also in many countries in Europe and all over the world-has become more relevant in recent years especially due to the corona pandemic. People have been afraid using public transport and tend to use individual means of transport more intensive. Many cities across Europe supported cycling and pop-up cycle lanes were marked on streets with yellow lines in order to give cyclists more space for safe and comfortable riding. Cities like Brussels, Vienna or Berlin implemented these kinds of ''unconventional' infrastructure in 2020 during tbe first Corona lockdowns. Though, evaluations have shown that the use of these pop-up lanes led to increasing numbers of users on these tracks, these tracks were marked only on a marginal share of the streets in contrast to the whole cycling network of a city. Other indicators depicting that cycling is advancing are the numbers of sales and the increased willingness to pay for a new bicycle. In Germany, the average price over all sold bicycles in 2021 was about €1,400 EUR. Compared to 2019 (€929 per bike) this is an increase ofabout 50%. This increase of sales numbers of e-bikes explains this increase. In 2021 about two million e-bikes were sold in Germany in contrast to 2. 7 million conventional bikes. The overall market value of sold bicycles in Germany was 6.56 billion euros which is an increase by 60% in comparison to 2011. Nevertheless, a recent Germany-wide survey with over 11,000 participants shows that 91 % of tbe cyclists feel unsafe in Gennan traffic. 69% state that the keeping too little distance between other traffic participants is one of the reasons that people feel unsafe in traffic. The survey also reveals that the feeling of safety would increase by building more bicycle infrastructure (81%) and a clear separation between motorized and nonmotorized traffic (62%). [from Introduction]

In der vorliegenden Publikation wird ein Verfahren beschrieben, dass eine infrastrukturlose Positionierung im Inneren von Gebäuden ermöglicht. Unter infrastrukturlos wird in diesem Zusammenhang die autarke Positionierung eines Systems auf Basis seiner Inertialsensorik ohne den Einsatz von im Gebäude installierter Zusatzlösungen, wie Funksysteme, verstanden. Aufgrund der insbesondere über die Zeit erhöhten Fehlerbehaftung solcher Sensoren werden bei diesem Verfahren Innenraumkarten in den Lokalisierungsprozess einbezogen. Diese Kartendaten erlauben den Ausschluss invalider Positionen und Bewegungen, wie das Durchqueren von Wänden, und ermöglichen somit eine wesentliche Verbesserung der Ortungsgenauigkeit.

The community project OpenStreetMap (OSM), which is well-known for its open geographic data, still lacks a commonly accepted mapping scheme for indoor data. Most of the previous approaches show inconveniences in their mapping workflow and affect the mapper's motivation. In our paper an easy to use data scheme for OSM indoor mapping is presented. Finally, by means of several rendering examples from our Android application, we show that the new data scheme is capable for real world scenarios.

Nach einer Betrachtung der bestehenden Ansätze zur automatischen Graphgenerierung wurde eine Möglichkeit entwickelt, auf der Grundlage von OpenStreetMap-Innenraumkarten mit Hilfe einer bereits existierenden Implementierung des Straight Skeleton in Python automatisch Wege zu berechnen und diese wieder ins OpenStreetMap-Format zu überführen.:1. Einleitung 2. Überblick zur aktuellen Forschung 3. Anwendung des Straight Skeleton auf OpenStreetMap-Daten 3.1. Polyskel 3.2. Einlesen der Daten und Extrahieren der Türen und Räume 3.3. Kombination von Türen und Räumen 3.4. Generierung von Wegen mit Hilfe von polyskel 3.5. Kurze Wege zu längeren zusammenfassen 3.6. Wege vereinfachen 3.7. Wege im OpenStreetMap-Format speichern 4. Fazit und Ausblick Literaturverzeichnis Anhang

Der Kartendienst OpenStreetMap ist einer der beliebtesten Anbieter für OpenData-Karten. Diese Karten konzentrieren sich jedoch derzeitig auf Außenraumumgebungen, da sich bereits existierende Ansätze zur Innenraumkartografierung nicht durchsetzen konnten. Als einer der Hauptgründe wird die mangelnde Unterstützung der verbreiteten Karteneditoren angesehen. Die vorliegende Bachelorarbeit befasst sich daher mit der Implementierung eines Plug-Ins für die Erstellung von Innenraumkarten im Editor „JOSM“, und dem Vergleich des Arbeitsaufwandes zur Innenraumkartenerstellung mit und ohne diesem Hilfsmittel.