Crowdsourcing von Volunteered Geographic Information

Image credit: Rafael Hologa & Nils Riach

In vielen Citizen Science Projekten wird das enorme Potential von durch Laien erfasster Geoinformationen eindrucksvoll aufgezeigt. Auch diese Arbeit zum Crowdsourcing von Gefahren im Radverkehr zeigt den Mehrwert geographischer Bürgerinformationen exemplarisch auf.1

Fahrradfreundlichkeit in Freiburg

Freiburg im Breisgau wurde mehrfach als fahrradfreundliche Stadt ausgezeichnet.2 Zugleich werden eine hohe Anzahl von Unfällen mit Radbeteiligung verzeichnet.3 Beide Umstände haben uns dazu veranlasst mit Radfahren, der Frage nach zu gehen, wo im Kernstadtgebiet von Freiburg Gefahren wahrgenommen werden.

Mobiles Crowdsourcing

In der exemplarischen Analyse von Freiburgs Fahrradfreundlichkeit wurden entlang von zufällig ausgewählten Routen Gefahren für Radfahrer systematisch erfasst. Dabei ermöglichte die Anwendungen der Open-Source-Software KoBo Toolbox eine systematischen Erfassung und Aggregation der Geodaten via Smartphone in Echtzeit, sodass das mobile Crowdsourcing der Gefahrenwahrnehmungen effektiv umgesetzt werden konnte.

Auf diese Wiese konnten während der Erhebungskampagne im Spätjahr 2019 umfangreiche Informationen zu individuell wahrgenommenen Gefahrenpotentialen von über 20 Radfaher*innen4 generiert werden. Diese kartieren auf einer Strecke von ca. 1000 km innerhalb derer mehr als 1000 Positionen mit vielfältigen Informationen mit Bezug zu Radverkehrssicherheit. Im wesentlichen liefert dieser Datenpool, neben Fotomaterial, geographisch referenzierte Informationen zu folgenden Eigenschaften im Kernstadtgebiet von Freiburg:

  • Abbiegerspur (Radweg wird von KFZ-Spur gekreuzt)
  • Spurwechsel über KFZ-Spur (z.B. beim Linksabbiegen)
  • Gegenverkehr durch Autos (z.B. Einbahnstr.)
  • Gegenverkehr durch Radfahrer
  • Fußgänger auf Radweg
  • Hindernisse auf Radweg (Mülltonnen, Parkende KFZs,…)
  • Eng angrenzende Parkplätze
  • Ein- und Ausfahrten
  • Blätter auf Radweg
  • Scherben u.Ä. auf Radweg
  • Uvm.

Datengüte

Da neben den kartierten Gefahren auch Geodaten zu den abgefahren Routen, d.h. den untersuchten Räumen vorliegen, können auch Aussagen zur Relevanz, Plausibilität und Repräsentativität sowie Güte der generierten Geoinformationen gemacht werden. U.a. können die Informationen zur Befahrungsdichte dazu genutzt werden Aussagen zur Unsicherheit der gesammelten Daten zu treffen. Darüber hinaus kann aus diesen Daten auch geschlossen werden, in welchen Quartieren besonders häufig Rad gefahren wurde, ohne dass eine Gefahr dokumentiert worden ist. Ergo, dass sie als verhältnismäßig sicher eingeschätzt werden können.

Vorab wurde zur systematischen Benennung, wie hoch die Güte eines Quartiers ist, das Stadtgebiet in eine Vielzahl von Hexagonen5 untergliedert. Innerhalb derer wurde die gefahrene Wegstrecke berechnet, sodass eine Zuverlässigkeit der Aussagekraft gemacht werden kann bzw. eingeschätzt werden kann, wie hoch der Grad der Selbstvalidierung innerhalb der “Crowd” ist (s. Tabelle 1).

Güte gering mäßig hoch
Anteil Zonen [%] 36,6 49,3 14,1
Befahrung [km] < 1,5 < 4,5 > 4,5

Tabelle 1: Wo können zuverlässige Aussagen getätigt werden?

Anhand des Ampelsystems von gering über mäßig bis hoch lässt sich auch ermitteln, mit welchen Anteilen die VGI zwischen den verschiedenen Gütezonen verteilt sind (Tabelle 2).

Güte gering mäßig hoch
Anteil VGI [%] 12,7 55,5 31,8

Tabelle 2: Wie sind die VGI über die Gütezonen verteilt?

Hieraus ergibt sich, dass über 80 % der VGI in Bereichen getätigt wurden, in denen eine mittlere bis hohe Datengüte angenommen werden kann. Eine weitere Aufschlüsselung darüber, welche verschiedenen Meldekategorien anteilig auf die verschiedenen Gütezonen verteilt sind, wird perspektivische sicherlich noch spannende Erkenntnisse liefern.

VGI versus Unfallstatistik

Anhand des Vergleiches von kartierten Gefahrenmeldungen und der amtlichen Unfallstatistik soll noch eine weitere qualitative Validierung des Datensatzes erfolgen. Insbesondere für die nähere Beleuchtung, welche individuell wahrgenommenen Gefahrenkategorien mit real stattgefundenen Unfällen räumlich und statistisch assoziiert werden können, verspricht der Vergleich spannende Erkenntnisse. Als Voraussetzung, dass ein solcher Vergleich legitim ist, wurde zunächst geprüft, ob Quartiere, in denen in der Vergangenheit gehäuft Unfälle stattgefunden haben, ausreichend untersucht worden sind (s. Tabelle 3 und oben ausgeführte Annahmen zur Bewertung der Datengüte).

Total Datengüte
Gering [%] Mäßig[%] Hoch[%]
Unfälle mit Radbeteiligung 1290 14,5 50,0 35,5

Tabelle 3: Liegen die Unfälle mit Radbeteiligung in häufig befahrenen Quartieren?

Da ein Großteil der Räume, an denen in der Vergangenheit Unfälle stattfanden, intensiv untersucht wurden - sie liegen in Bereichen mit mäßig bis hoher Datengüte – ist geplant einen Vergleich amtlicher Unfallstatistiken und VGI weiterzuverfolgen. Darüber hinaus lässt sich auf der Basis der Daten von Tabelle 3 auch feststellen, dass die gewählte Methode geeignet ist, um tatsächlich relevante, d.h. gefährliche, Räume zu identifizieren.

Sicherheit im Radverkehr und Gefahren-Hot-Spots

Um abschließende Aussagen über die Sicherheit im Freiburger Radverkehr auf Basis individueller Wahrnehmungen zu treffen, werden die eingeführten Gütekriterien im Verlauf weiterer Untersuchungen berücksicht und als Unsicherheitsfaktor mitgeführt, d.h. es sollen lediglich für Quartiere Aussagen getroffen werden, die auch eine gute Abdeckung aufweisen und für die angesprochenen Aspekte der Repräsentativität geprüft worden sind.

Insgesamt zeigt sich, dass sich Gefahren insbesondere auf den Bereich der Innenstadt und entlang größerer Einfallsstraßen konzentrieren. Im Umkehrschluss lassen sich aber auch Bereiche identifizieren, die aufgrund hoher Abdeckung und fehlender bzw. geringer Gefahrenmeldungen als weitestgehend sicher eingeschätzt werden.

Zur Frage, ob dort, wo tatsächlich Unfälle stattgefunden haben auch Gefahren gemeldet wurden, kann in der Gesamtschau festgehalten werden, dass ca. 18% der Meldungen in Zusammenhang mit Ein- und Ausfahrten stehen und rund 15% entfallen auf Gefahren, die im Zusammenhang mit Spurwechseln stehen. In diesem Kontext sind allerdings vor allem die Räume, in denen sowohl Unfälle, als auch zahlreiche Gefahrenmeldungen stattgefunden haben, nach unser Analyse sog. Gefahren-Hot-Spots. Insbesondere für diese für Radfahrer besonders gefährlichen Quartiere lohnt sich eine stärker qualitativer Betrachtung, um die eigentlichen Charakteristika solcher Hot-Spots zu verstehen, sodass mittels Maßnahmen adäquat gegengesteuert werden kann. Auf Basis der VGI und den amtlichen Unfallstatistiken sind Gefahren-Hot-Spots im Kernstadtgebiet von Freiburg insbesondere von folgenden Gefahren geprägt:

  • Spurwechsel
  • Ende des Radweges
  • Scharfe Kurve
  • Schlechte Übersicht (Tunnel)
  • Straßenbahnhaltestelle
  • Eng angrenzende PKW (z.B. Dooring)
  • Kreuzen von Gleisen

Nutzungsszenarien für das Crowdsourcing von VGI

Mit der Fallstudie zur Erhebung von individuellen Gefahrenwahrnehmungen für den Radverkehr in Freiburg konnte gezeigt werden, dass ein solches Crwodsourcing von VGI vielfältige Informationen zur Bewertung der Fahrradsicherheit in Freiburg liefert. Beispielsweise konnen die Hinweise der Radfahrer*innen bei der Planung des zukünftigen Wegenetztes oder der Optimierung der gegenwärtigen Infrastruktur einbezogen werden. Außerdem zeigt dieses Beispiel zum Crowdsourcing von VGI konkret auf, wie bei kommunaler Raumplanung Bürgerinformationen mit relativ geringen technischen und finanziellen Aufwand gesammelt, um schon im Planungsprozess berücksichtigt werden zu können.


  1. Auschnitte der Arbeit wurden auch auf der FOSSGIS 2020 vorgestellt. Zitierfähige Vortragsfolien zu diesem Beitrag finden sich hier

  2. S. u.a Landesbündnis ProRad Baden-Württemberg.

  3. Exakte Zahlen sind im Unfallatlas des Statistikportals einsehbar.

  4. Namentlich haben folgende Personen Geodaten beigetragen: K. Abend, E.Bauer, M. Bohmann, S. Flemming, L. Glockner, R. Haas. J. Hiller, E. Jacobs, L. Koldeweyh, M. Landau, S. Lotz, J. Menzel, T. Schubert, F. Seyffer, H. Sill, S. Speckenwirth, S. Tholen, L. Uebelhoer, K. Ulrich, C. von Moellendorff

  5. Durchmesser von ca. 250 Meter

Avatar
Rafael Hologa
Research associate

My research interests are the Crowdsourcing of Volunteered Geographic Informations (VGI) & Harvesting Ambient Geospaial Informations (AGI) relating to perceptions of weather parameters in the context of open science and citizen science initiatives.

Related