Transformationspotenziale großflächiger Parkplätze für den nachhaltigen Stadtumbau
This is a modal window.
The media could not be loaded, either because the server or network failed or because the format is not supported.
Formal Metadata
| Title |
| |
| Title of Series | ||
| Number of Parts | 119 | |
| Author | ||
| Contributors | ||
| License | CC Attribution 4.0 International: You are free to use, adapt and copy, distribute and transmit the work or content in adapted or unchanged form for any legal purpose as long as the work is attributed to the author in the manner specified by the author or licensor. | |
| Identifiers | 10.5446/67702 (DOI) | |
| Publisher | ||
| Release Date | ||
| Language |
Content Metadata
| Subject Area | ||
| Genre | ||
| Abstract |
| |
| Keywords |
14
45
50
55
67
69
72
75
78
87
95
00:00
SpacetimeSoftware developerProjective planePresentation of a groupAreaVector potentialSoftware industryCartesian coordinate systemClient (computing)Group actionOpen sourceSoftwareTransformation (genetics)Lecture/ConferenceMeeting/Interview
01:21
Focus (optics)Gebiet <Mathematik>Interface (chemistry)SpacetimeAreaOrder (biology)Source codeProjective planeFood energyAverageConstructor (object-oriented programming)Physical lawContext awarenessSquare numberMetreSoftware developerLine (geometry)Roundness (object)Software frameworkPlanningPerformance appraisalDistribution (mathematics)IdentifiabilityEndliche ModelltheorieTraffic reportingMedical imagingMultilaterationSurfaceAttribute grammarGroup actionVector potentialUniform resource locatorSimilarity (geometry)Condition numberCorrespondence (mathematics)Amenable groupMotion captureInterface (chemistry)Restriktion <Mathematik>GeodesicLagFocus (optics)Potential gamePAPPlane (geometry)Spring (hydrology)Abstract machineComputer animationLecture/Conference
09:15
System identificationObject (grammar)Green's functionSpacetimeType theoryMaxima and minimaSquare numberMetreComputer animation
09:41
Single-precision floating-point formatNetwork topologyTrailSurfaceNormal (geometry)Social classWater vaporComputer animation
10:18
ForestIndexVarianceCorrelation and dependenceEntropyMathematical optimizationWave packetBuildingForestDifferent (Kate Ryan album)Musical ensembleSocial classoutputAreaAverageStatisticsSubject indexingRule of inferenceTexture mappingUniformer RaumRandomizationSurfaceDigitizingDifferential (mechanical device)Water vaporEntropie <Informationstheorie>Cross-correlationVarianceMaxima and minimaOnline helpKlassifikator <Informatik>Maximum (disambiguation)EntropyStatistikerCorrelation and dependenceComputer animation
12:23
ForestJust-in-Time-CompilerPixelOpenOffice.orgHöheInterface (chemistry)IP addressRun-time systemHeat wavePoint (geometry)DistanceLevel (video gaming)outputChannel capacityAreaSpacetimeMappingWave packetBus (computing)Observational studyAddress spaceDiameterSurfaceNetwork topologyEndliche ModelltheorieSocial classAcoustic shadowShape (magazine)Attribute grammarDynamical systemUniform resource locatorPerturbation theoryVector spaceNatural numberPixelMultilaterationDenial-of-service attackSingle-precision floating-point formatBuildingGreen's functionPlastikkarteWater vaporDegree (graph theory)Different (Kate Ryan album)Normal (geometry)InformationHöheKlassifikator <Informatik>Run-time systemIP addressBus (computing)Interface (chemistry)Boom (sailing)Computer animation
17:22
MetreDeterminantMorley's categoricity theoremSpacetimeAttribute grammarSurfaceNumberCategory of beingBuildingComputer animation
18:10
DOSPolitical forecastingAbstract machineAttribute grammarAcoustic shadowSpacetimeSurfaceCategory of beingEndliche ModelltheorieState of matterVector potentialTransformation (genetics)Morley's categoricity theoremInclusion mapOpen setPlanningMultiplicationProjective planeTotal S.A.Software developerDegree (graph theory)Matrix (mathematics)Dynamical systemBit rateDirection (geometry)Complete metric spaceNetwork topologyComputer animation
21:16
HTMLComputer programInformationsvermittlungsstelleWeb servicePhysical quantityGeodesicCodeQR codeBoom (sailing)Angular resolutionBusiness reportingNetwork topologyArithmetic meanState of matterEndliche ModelltheorieWave packetPixelInternetworkingDigital photographyRule of inferenceProjective planeHome pageProcess (computing)Web pageService (economics)Link (knot theory)SpacetimeAreaSurfaceTraffic reportingResultantComputer animationLecture/Conference
27:17
Inflection pointIP addressForestControl flowPresentation of a groupAreaType theoryAttribute grammarSurfaceWeb serviceSequelData typeComputer animationLecture/Conference
Transcript: German(auto-generated)
00:07
Genau, vielen herzlichen Dank erst mal für, dass Sie so zahlreich erschienen sind und dass Sie sich unseren Vortrag über die Transformationspotenziale großflächiger Parkplätze für den nachhaltigen Stadtumbau ansehen möchten.
00:22
Genau, also wir werden jetzt heute unseren Stand der Methodik und den Forschungsstand präsentieren und haben das in einer Projektgruppe gemacht. Mit mir mit präsentieren wird Annika Weinmann. Ich bin Vanessa Dunker und in unserer Projektgruppe sind Julia Haas, Max Brunet,
00:41
Elisabeth Panzenböck und Stefanie Gutsche noch. Genau, wir sind von Mundialis und Gertz-Gutsche Rümenap. Annika selber ist Anwendungsentwicklerin bei Mundialis und Mundialis ist eine Softwarefirma, die sich auf die Entwicklung von Open Source Software im Fernerkundungsumfeld konzentriert hat.
01:01
Gertz-Gutsche Rümenap, wir sind ein Stadtentwicklungs- und Verkehrsplanungsbüro. Wir haben uns vor 20 Jahren auch aus der TU Hamburg ausgegründet und behandeln wie gesagt so Themen für die Stadtentwicklung und für den Verkehr. Das Forschungsprojekt selber wird vom Bund gefördert. Unsere Auftraggebenden sind das BBSR und das BMWSB.
01:28
Wir haben uns dann auch noch fachliche Expertise von den beiden Denkfabriken Paper Planes und Mighty Cities geholt und das Forschungsvorhaben findet im Rahmen des Exvust-Projekte statt.
01:40
Exvust ist der experimentelle Wohnungs- und Städtebau und dort fördert der Bund innovative Ideen für den Städtebau und für Themen der wohnungspolitischen Fragen. Genau zum Hintergrund unseres Forschungsvorhabens. Wir haben in der Stadtentwicklung heutzutage drei Entwicklungsstränge, würde ich mal sagen.
02:05
Das ist einmal der steigende Bedarf an Wohnraum, an Arbeitsplätzen und der steigende Bedarf an Infrastruktureinrichtungen. Gleichzeitig haben wir aber auch die Notwendigkeit Boden zu schützen bzw. Flächen zu entziegeln, um dem Klimawandel zu begegnen.
02:23
Aber auf der anderen Seite haben wir eben nur eine begrenzte Ressource, die Boden heißt. Das heißt also, wir müssen uns überlegen, wie teilt man denn den Boden neu auf, wenn er eben noch nicht effizient genutzt wird. Dabei sind dann im Forschungskontext die großflächigen Parkplätze in den Fokus gerückt.
02:45
In Deutschland gibt es nämlich über 48 Millionen PKWs, die nur die 23 Stunden am Tag stehen. Und eben nur, ich denke mal, Flächen werden dafür benötigt, z.B.
03:03
im Wohnumfeld, am Arbeitsplatz oder zu Freizeiteinrichtungen wie z.B. Einkaufen oder Sport. Genau, und bei 48 Millionen PKWs in Deutschland sind das eben auch entsprechende Flächen, die da im urbanen Raum benötigt werden. Genau, und im Sinne der nachhaltigen Stadtentwicklung muss man sich natürlich überlegen, wie begegnet man dann diesem Flächenverbrauch,
03:27
diesem Immensen, der dann halt für diese stehenden PKWs freigehalten werden. Gleichzeitig beobachten wir natürlich immer höher werdende Bodenpreise und die Nutzung oder die Bodennutzung ist monofunktional ausgerichtet.
03:43
Das heißt also, die Flächen werden nur dafür benötigt, dass dort ein PKW stehen kann. Deswegen beschäftigt sich das Forschungsvorhaben damit mit der Forschungsfrage, wie können große Flächen, die durch den ruhenden Verkehr beansprucht werden, effizienter genutzt werden.
04:02
Das Ziel ist dabei, dass wir zunächst eine oder nach einer Methodik gesucht haben, die denke ich auch gefunden haben, die eben großflächige Parkplätze erstens erfassen sollte, danach typisieren. Das heißt also, wir haben uns angeschaut, welche Parkplätze gibt es z.B. in verschiedenen ähnlichen Lagen oder an verschiedenen ähnlichen Orten,
04:28
wie z.B. Supermarktparkplätze oder Firmenparkplätze, um zu schauen, gibt es vielleicht gleiche Rahmenbedingungen, dass man dann eben weiterschauen kann. Dann drittens sollen diese Parkplätze hinsichtlich ihrer Entwicklungsmöglichkeit bewertet werden.
04:45
Das heißt also, kann man diese Parkplätze denn überhaupt transformieren oder gibt es da andere Beschränkungen, die da noch drauf liegen? Und viertens Potenziale aufzeigen, das heißt also, wenn eine Entwicklungsmöglichkeit gegeben ist, wie kann man denn diese Parkplätze dann auch anders nutzen?
05:02
Das heißt zu Fragen für den Wohnungsbau oder der Klimaanpassung. Das alles, was es so besonders macht, ist, dass eben keine Einzelfallprüfung notwendig sein soll, sondern dass wir mit unserer Methodik versuchen, hier eine Automatik zu erhalten. Im Ergebnis soll es dann eine Hilfestellung für Kommunen geben, die dann
05:25
selber schauen möchten, wie viele Parkplätze haben wir denn überhaupt in unserem Gemeindegebiet und welche Entwicklungsmöglichkeiten haben denn die Parkplätze denn. Dieses soll als Leitfaden ausgebaut werden oder aufbereitet werden und welcher
05:40
dann auch bei städtebaulichen Planungen und integrierten städtebaulichen Entwicklungskonzepten Berücksichtigung finden sollte. Dann haben Sie sich vielleicht gefragt, was heißt denn überhaupt großflächig? Wir sind der Frage im Forschungsteam auch selber nachgegangen, haben dann verschiedene Quellen und Grundlagen dazu herangezogen.
06:04
Die wichtige dabei ist die FGSV, also die Forschungsgesellschaft für Straßen und Verkehrswesen, die die Anlagen des runden Verkehrs 2005 und 2023 veröffentlicht hat. Im September fand dann die neue Novellierung statt und diese gibt eben Richtgrößen
06:25
vor, wie denn ein Parkplatz, welche Parkplatzmaße denn vorhanden sind oder welche empfohlen werden. Daneben haben wir dann auch noch eine Auswertung der Größenverteilung in drei Kommunen aller Parkplätze durchgeführt und dann geschaut, wie groß ist denn so ein durchschnittlicher Supermarktparkplatz.
06:44
So einen Supermarktparkplatz haben wir Ihnen jetzt auch mitgebracht. Das ist ein Parkplatz am Rewe, glaube ich, und der hat 2200 Quadratmeter Fläche. Das ist so gesehen der Durchschnitt, den wir jetzt auch errechnet haben.
07:05
Die dritte Quelle, die wir genutzt haben, sind die Energiegesetze der Länder. Die haben nämlich eine Legaldefinition oder keine Legaldefinition, aber sie haben festgesetzt, was heißt denn überhaupt großflächig im Kontext von dem Neubau von großflächigen Parkplätzen.
07:22
Dabei gilt es nämlich kommunale Parkplätze, wenn diese neu gebaut werden, dass sie ab einer Flächengröße von 1000 Quadratmetern mit Photovoltaikanlagen überbaut werden müssen. In unserem Forschungskontext haben wir uns dann auf die Größe von 750 Quadratmetern geeinigt und das entsprechen ungefähr 25 Stellplätze pro Parkplatz.
07:48
Das Gleiche haben wir dann mal exemplarisch für Hamburg durchgeführt. Das heißt, wir haben uns hier die OSM-Daten zunutze gemacht. Wir haben hier die Tax Amenity gleich Parking, Parking gleich Surface und die Area
08:01
größer gleich 750 Quadratmeter rausgenommen und dabei kam ein Flächenpotenzial von 2160 großflächigen Parkplätzen raus. Wenn man diese alle zusammenführen würde, würde das ungefähr die Fläche von Hamburg Neustadt, Hamburg Altstadt und die Hälfte der Hafencity entsprechen.
08:21
Das heißt also, hier haben wir natürlich jetzt keine Restriktionen beachtet und auch die Methodik darauf nicht angewandt. Wir haben aber im Forschungskontext im weiteren Verlauf drei Modellkommunen ausgewählt, wo wir dann die Methodik entsprechend auch testen werden. Und wie das dann funktioniert, wird euch dann Annika erklären.
08:43
Ja, ich möchte euch jetzt die Methodik einmal kurz vorstellen. Wir haben Luftbilder und andere Geodaten ausgewählt, um erstens großflächige Parkplätze identifizieren zu können, dann für diese Parkplätze eine Oberflächenklassifikation durchzuführen, die für diese Parkplätze dann Attribute zu ermitteln,
09:04
um diese dann kategorisieren zu können und im späteren Projektverlauf dann typisieren zu können und damit dann Handlungsempfehlungen geben zu können. So, für die Identifizierung der großflächigen Parkplätze haben wir einmal EICS Nutzungsdaten mit der Objektart Platz verwendet,
09:24
hier in Blau dargestellt und OSM-Parkplätze in Grün dargestellt und diese zusammengeführt zu diesen Parkplätzen und da noch den Filter von den 750 Quadratmetern Mindestgröße darauf angewandt.
09:42
Nächsten Schritt für die Oberflächenklassifizierung haben wir in drei Einzelschritte aufgeteilt. Erstens mal eine Oberflächenklassifizierung auf Basis von digitalen Ortofotos und dann eine Klassifizierung von Einzelbäumen auf Basis von digitalen Ortofotos und den normalisierten digitalen Oberflächenmodellen.
10:07
Das Ganze dann am Ende zusammengeführt, um dann die Klassen versiegelte Fläche, Gebäude, Kahlen oder ungebundenem Boden, Wasserflächen, Vegetation und Bahnschienen zu bekommen.
10:21
So, bei der Oberflächenklassifizierung sieht das Ganze so aus, dass wir automatisch regelbasierte Trainingsdaten erstellen und dafür möchte ich einmal gerade die Inputdaten vorstellen. Wir verwenden die digitalen Ortofotos mit RGB und Nier. Dann berechnen wir daraus auch den normalisierten differenzierten Vegetationsindex, den normalisierten differenzierten Wasserindex
10:48
und nehmen dann noch Sentinel-2-Daten hinzu und verwenden hier Statistiken wie die Standardabweichung, die Mittelwert und das Maximum von dem NDVI, dem NDWI und der Helligkeit eines Jahres,
11:02
um damit dann halt Regeln für die verschiedenen Klassen als Trainingsdaten aufzustellen. Das Ganze verifizieren wir dann noch mit OSM-Straßendaten und EICS-Gebäude und EICS-Genutzungsdaten, um halt zu sagen, dass in der Waldfläche auch wirklich wahrscheinlich eher Grünflächen liegen
11:21
und versiegte Flächen liegen, vielleicht eher in einer Verkehrsfläche oder einem Wohngebiet. Genau, und dann haben wir jetzt hier einmal ein Beispiel aus Bonn, wo wir diese Trainingsdaten erstellt haben und mit Hilfe dieser Trainingsdaten können wir dann einen Random Forest-Klassifikator trainieren und am Ende auch anwenden.
11:42
Und in diesen geben wir dann die digitalen Ortofotos mit RGB und Nier und zusätzlich aber noch Texturen von den Ortofotos. Einmal die Einheitlichkeit vom blauen und vom Nierband, die Korrelation vom grünen Band, die auch hier dargestellt ist, dann die Varianz vom Nierband und die Entropie vom roten Band.
12:03
Und da wir das Ganze nicht pixelbasiert klassifizieren wollen, sondern eine objektbasierte Klassifikation machen, haben wir aus den digitalen Ortofotos erstmal Segmente extrahiert und dann die Statistiken der einzelnen Inputbänder als Input für unseren Klassifikator verwendet.
12:26
Zusätzlich nehmen wir dann noch aus OSM einmal die Distanzkarte zu den Straßen und aus Alkes Gebäuden auch Distanzkarten erstellt, die wir als Input für diesen Klassifikator verwenden, um ihn ein bisschen zu verbessern einfach noch.
12:43
Und bekommen dann hier diese Klassifikation zum Beispiel raus, wo wir die versiegelten Flächen, die Vegetation haben, die Gebäude und Wasserflächen und den kahlen ungebundenen Boden und am Ende noch die Bahnschienen aus Alkes in einem Postprozess drüber gelegt haben. Und das funktioniert eigentlich auch relativ gut. Auf den Parkplätzen haben wir es uns aufgefallen, dass wir teilweise in Schattenbereichen
13:05
oder wenn da viele Autos stehen, da einfach teilweise noch Fehlklassifikationen haben, haben dafür aber auch schon Verbesserungsideen, die gleich im Ausblick auch nochmal aufgezeigt werden. Dann haben wir die Einzelbaumklassifizierung, hier geht auch wieder das digitale Ortefoto rein,
13:27
hier haben wir jetzt noch zusätzlich den normalisierten Grün-Blau-Differenz und dann ist es bei den digitalen Ortefotos hier wichtig, dass wir eine Sommerbefligung haben,
13:42
dass wir halt wirklich auch Laub an den Bäumen haben, um diese überhaupt erkennen zu können. Zusätzlich verwenden wir dann noch den N-Dom als Input und kriegen dann eine pixelbasierte Klassifizierung der Bäume, die wir dann im Nachhinein noch zusammenfassen zu Vektoreinzelbäumen und auch so kleinere Baumschmiedlipsel wieder rausgeschmissen haben.
14:12
Dann können wir noch über den N-Dom auch eine Höhe als Attribut an die Bäume dranschreiben und die Fläche eines einzelnen Baums als Attribut hinzufügen, sowie einen geschätzten Kronendurchmesser
14:28
und können das Ganze dann mit der zuvor erstellten Oberflächenklassifizierung zusammenpacken und haben dann hier diese acht Klassen rausbekommen.
14:43
Und auch hier halt wieder das Problem im Schattenbereich und wo Autos auf Parkplätzen stehen, ist es manchmal nicht ganz einfach, dass das Modell das richtig klassifiziert hat. So, dann nehmen wir eine Attribuierung dieser Parkplätze vor. Da möchte ich jetzt einmal kurz vorstellen, was wir so an Attributen haben.
15:04
Aus den ICES- und OSM-Daten können wir natürlich einmal die Größe und Form des Parkplatzes, die wir ermittelt haben, bestimmen. Dann können wir aus den OSM-Daten, wenn vorhanden, sagen, ob es ein Park- und Rideparkplatz ist oder die Kapazität.
15:20
Dann haben wir aus OSM auch noch Points of Interest, wie die Infrastruktureinrichtungen, Krankenhäuser und Parks und andere interessante Punkte, geguckt wie viele gibt es da in der Umgebung und den ICES-Flurstücken können wir sagen, in welcher Gemeinde, welche Adresse und welches Flurstück der Parkplatz liegt.
15:45
So, dann haben wir auch noch Abfahrten von Zug, Bahn und Bus als Daten gegeben, die auch einmal hier aufgezeigt. Da haben wir dann für ein Bus- oder Bahnhaltestelle halt einfach wie oft am Tag fährt da ein Bus oder ein Bahn ab
16:03
und können dann auch wieder gucken, in einem bestimmten Umkreis um den Parkplatz, wie oft ist das am Tag und damit dann später sagen zu können, wie gut ist der erreichbar. Dann haben wir auch noch Lärmbelastungskarten für Straßen, Flug, Zug und Verkehr und die Industrie.
16:21
Wir können damit dies als Attribut dranschreiben und aus unserer Oberflächenklassifikation können wir die Versiegelungsgrad oder Grünungsgrad zum Beispiel dranschreiben an diesem Parkplatz. Aus den Gebäuden und dem Endom können wir dann auch noch die umgebenden Baugen
16:42
sagen, wie hoch sind die Gebäude in der Umgebung, wie viele Etagen haben wir. Dann haben wir noch die innerstädtischen Raumbeobachtungsdaten genommen, um eine Bevölkerungsdynamik und die Ortslage von diesem Parkplatz zu ermitteln und aus den Bodenrichtwerten natürlich diese auch noch dranzuschreiben.
17:06
Dann können wir auch noch eine Überlappung mit zum Beispiel Hitzeinseln oder Naturschutzgebieten, Landschaftsschutzgebieten oder Überflutungsrisikakarten erstellen, um halt auch diese Informationen später zu haben.
17:23
Genau, hier noch einmal eine Übersicht über die Attribute, die wir jetzt alle ermittelt haben. Und jetzt möchte ich einmal kurz noch auf die Kategorisierung dieser Eigenschaften eingehen. Hier einmal beispielhaft aufgezeigt für die umgebende Bebauung. Das heißt, wir haben die Anzahl der Etagen in einem Umkreis von zum Beispiel 300 Metern
17:44
um den Parkplatz und können dann sagen, ob die Bebauung nicht vorhanden ist, niedrig, mittel oder hoch. Und aus den EICES und OSM-Daten haben wir ja die Parkplatzgröße bekommen, können dann sagen, ob der Parkplatz klein, mittel oder groß ist.
18:00
Und aus der Oberflächenklassifikation zum Beispiel den Versieglungsgrad, wo wir dann sagen können, ist der wenig, mäßig, stark oder sehr stark versiegelt. So, jetzt zusammenfassend haben wir bisher halt die Identifizierung der großflächigen Parkplätze, die Klassifizierung der Oberfläche, die Attributierung der Parkplätze gemacht und dann auch die Kategorisierung über die Parkplatzeigenschaften.
18:28
Und das Ganze als standardisierten Ansatz zusammengefasst und das Ganze basiert halt auf Geodaten, die in den vielen
18:41
Bundesländern als Open Data zur Verfügung stehen, noch nicht in allen Bundesländern, worauf wir aber natürlich noch hoffen. Genau, und im weiteren Projektverlauf wird es dann noch die Typisierung der Parkplätze geben, wo ich jetzt auch wieder übergeben möchte.
19:01
Genau, wir haben uns, wie Annika schon erklärt hat, sehr viele Daten angeschaut, die dann, also wie zum Beispiel die Hitzeinseln, die Baumstandorte, auch die Erreichbarkeit, Bevölkerungsdynamik, diese Daten haben wir dann operationalisiert, in eine Bewertungsmatrix dann auch überführt und eben
19:22
dann versucht, für jeden Parkplatz dann durch diese Automatik ein Transformationspotenzial auch zu zeigen. Dabei haben wir diese drei Entwicklungsrichtungen aufgezeigt, eines die Optimierung, das heißt also können Parkplätze weiterhin bestehen bleiben, aber vielleicht durch Park and Ride, Bike and Ride, Photovoltaik, wie auch immer optimiert werden.
19:46
Die bauliche Transformation sieht auch nicht immer den kompletten Wegfall der Stellplätze vor, sondern ergänzt diese vielleicht baulich zugunsten von Wohnraum oder Gewerbeentwicklung. Und die Freiflächenaktivierung sieht halt eher so was vor wie Entsiegelung, auch schauen,
20:04
ob man den Versiegelungsgrad etwas verringern könnte oder eben die Parkplätze komplett umgestaltet. Genau, dann kommen wir zum Ausblick. Annika hatte schon gesagt, bei der Oberflächenklassifikation sind teilweise noch Fehlklassifikationen, ich bin beeil mich, aufgekommen, die wir noch versuchen auszumerzen.
20:29
Genauso werden KFZs teilweise noch als Schatten erkannt oder fehlklassifiziert und wir wollen noch versuchen KI-Methoden und neue Daten mit reinzunehmen.
20:42
Noch einmal zum Ausblick, ich hatte schon gesagt, wir haben drei Modellstädte ausgewählt, bei denen machen wir dann diese komplette Oberflächenklassifikation und können dann auch hochgerechnet das gesamte Transformationspotenzial für alle Parkplätze im Gemeindegebiet erfassen. Und im weiteren Verlauf mit Paperplanes und MyCitys werden wir
21:02
dann noch konkrete Transformationsvorschläge für neun ausgewählte Parkplätze dann erarbeiten. Gleichzeitig entsteht noch eine Begleitpublikation, die zeigt dann Best Practice Beispiele von bereits gelungenen Transformationen auf. Dann vielen Dank für Ihre Aufmerksamkeit und wir haben hier noch den QR-Code von der
21:24
Projekt-Homepage eingefügt, da halten wir Sie auf jeden Fall immer auf dem laufenden. Vielen Dank.
21:50
So, danke schön für den spannenden Vortrag. Wir haben ganz viele erneugierige Leute in diesem Raum sitzen, weil diese Frage kam schon irgendwie bei der ersten Hälfte des Vortrags.
22:03
Und die bezieht sich darauf, sind die Ergebnisse des Projektes, die identifizierten Parkflächen als Geodaten öffentlich zugänglich? Alles gut, danke. Also wir arbeiten ja auch mit sensiblen Daten der
22:21
Gemeinden, deswegen müssen wir das auf Gemeindeebene erstmal mit den Gemeinden natürlich absprechen. Wie das dann konkret im Forschungsbericht veröffentlicht wird, müssen wir dann noch sehen. Und die zweite Frage, die ist auch relativ ähnlich, die lautet, steht der Code des Klassifizierungsverfahrens öffentlich zur Verfügung?
22:51
Also bisher steht das Verfahren nicht öffentlich zur Verfügung, wir werden Berichte schreiben, da wird es auf alle Fälle genau erklärt werden. Und dann haben wir auch schon einzelne Sachen, wie die Import der ganzen Daten, werden
23:05
wir öffentlich stellen und mal gucken, was wir dann noch öffentlich stellen dürfen und können. Genau. So und die weiteren Fragen, die auch ziemlich viele Stimmen bekommen haben, eine lautet, warum
23:22
wurden bei der Klassifizierung der Oberflächen nicht die Surface, Land Use und andere Tags aus OSM verwendet? Ich glaube, das ist ein Missverständnis, für Hamburg haben wir nur die Daten genommen, aber für den Rest kannst du, Jan?
23:41
Also für die Klassifizierung haben wir für die Trainingsdatenerstellung auf OSM-Straßen zugegriffen und bei den Parkplatzermittlungen haben wir halt auch auf die Parkplätze zugegriffen, die in OSM verfügbar waren.
24:02
Also die anderen Daten haben sich jetzt wirklich nur auf die Parkplätze in Hamburg für die FOSCIS bezogen? Und dann gibt es auch noch eine Frage, die bezieht sich auf die Bäume und die lautet, konntet ihr die Bäume gegebenenfalls anhand von kommunalem Baumkataster validieren?
24:28
Ja, wir haben es ein bisschen mit kommunalem Baumkataster verglichen, haben da aber jetzt keine genauen Genauigkeiten ermittelt, das hat mir auch schon in einem anderen Projekt gemacht, was mein Kollege Markus Metz, glaube ich, letztes Jahr auf der FOSCIS schon vorgestellt hatte und haben das jetzt dann weiterverwendet und weiterentwickelt.
24:47
So, und da kommt noch eine technischere Frage. Wie wurden die unterschiedlichen Auflösungen bzw. die Genauigkeiten der Eingangsdaten berücksichtigt?
25:03
Für die Klassifikation haben wir halt größtenteils das Ganze auf den digitalen Ortofotos durchgeführt und um die Trainingsdaten zu erstellen, haben wir halt dann noch die Sentinel-Daten verwendet, haben da dann halt über verschiedene Regeln mit Größen auch geguckt, ob das Sinn macht und haben dann ja auch durch die EICAS-Daten noch mal validiert, ob
25:22
es Sinn macht, dass die erkannten Pixel, ob das jetzt 10-Meter-Pixel oder 10-Centimeter-Pixel sind, sind agiert. So, noch eine Frage, die das Handy hier in der Hand habe immer mehr Stimmen bekommt.
25:44
Wie können wir als Kommune noch an diesem Projekt teilnehmen, also auch eine solche Analyse erhalten?
26:03
Man kann sich natürlich beim GGR und beim Muniades melden und dann kann man da bestimmt darüber reden, wie das Ganze im Projekt weiterverlaufen wird. Da kommt auch noch mal eine Frage zu den Daten für den Bodenrichtwert. Woher
26:20
stammen diese Daten und sind diese für größere Gebiete, zum Beispiel für Bundesländer verfügbar? Genau, also die Bodenrichtwerte sind ganz unterschiedlich öffentlich zugänglich. Teilweise haben wir, wo sie eben nicht zugänglich sind, haben wir die Bodenrichtwerte von der Modellkommune erhalten.
26:42
Andere Bundesländer veröffentlichen diese aber auch öffentlich. Das sind glaube ich die Gutachterausschüsse für den Bodenrichtwert. Da gibt es auch eine Internetseite, da kann man sich eine Übersicht auch ansehen, welche Daten eben frei zur Verfügung stehen. Noch eine letzte Frage. Wurden Highway Service und oder Service Driveway bzw. Service Parking Ale beachtet?
27:10
Also wir haben, ich hatte eben auch schon Folien, die Service Links wurden nicht beachtet. Wir hatten halt nur wirklich aus den OSM-Daten, hier die Amnesty Parking und Parking Service verwendet.
27:31
Wenn da jetzt noch irgendwelche Service Typen mit dran stehen, dann übernehmen wir die mit in den Attributen von den Parkplätzen und werden dann im weiteren Verlauf bei der Typisierung vielleicht nochmal darauf gucken, ob wir da was mit anfangen können oder nicht.
27:47
So, vielen Dank. Da poppen immer noch neue Fragen auf, aber irgendwann müssen wir glaube ich aufhören und die Diskussionen wahrscheinlich in der Kaffeepause fortsetzen. Danke für den Vortrag und ich glaube ich werde noch ein bisschen mit euch reden.
28:01
Vielen Dank.