Ableitung von Gehwegdaten mithilfe georeferenzierter Bilder und Interpretationen der "Crowd"

Die Verfügbarkeit flächendeckender Gehwegdaten spielt unter anderem in der Routenplanung und Navigation für Fußgänger und mobilitätseingeschränkte Personen eine bedeutende Rolle. Jedoch ist die Abdeckung potentieller Datenquellen, wie dem freien Geodatendienst OpenStreetMap, mit Gehwegdaten verhältnismäßig gering. Eine weitere potentielle Quelle für die Extraktion von zusätzlichen Gehwegdaten stellen sogenannte Street-Level-Bilder dar. Hier soll ein Ansatz zur Beurteilung der Zuverlässigkeit einer mittels Crowdsourcing durchgeführten Gehwegerkennung in Street-Level-Bildern vorgestellt werden. Dazu wird eine Stichprobe von Street-Level-Bildern aus Heidelberg der Plattform Mapillary von Crowdsourcing-Teilnehmern hinsichtlich des im Bild sichtbaren Vorhandenseins von Gehwegen ausgewertet. Anschließend werden aus amtlichen Gehweg- und Straßendaten für das Untersuchungsgebiet Referenzdaten zum tatsächlichen Gehwegvorkommen abgeleitet. Diese werden mit den Ergebnissen der Crowdsourcing-Gehwegerkennung verglichen und so deren Zuverlässigkeit beurteilt. Die Ergebnisse zeigen, dass die Methode gut geeignet ist, um vorhandene Gehwege zu erkennen - sie werden mit einer Genauigkeit von 88 % richtig interpretiert. Nicht vorhandene Gehwege, also Straßenabschnitte, die aus der Fußgänger-Routenplanung ausgeschlossen werden sollten, werden jedoch nur schlecht erkannt. In der Diskussion zeigen wir Ideen zur Verbesserung des Verfahrens.

Sidewalk data is important in various fields, such as routing and navigation for pedestrians or mobility impaired persons. However, potential data sources such as OpenStreetMap, a free geodata service, provide a relatively small coverage of sidewalk data so far. Another potential source for acquiring additional sidewalk data are so-called street level images. Therefore, an approach for examining the reliability of crowdsource-based sidewalk detection in street level images is presented. It is based on a random sample of Mapillary street level imagery of Heidelberg, which is analysed by crowdsourcing participants concerning the existence of visible sidewalks. Official street and sidewalk data of the area is used to derive reference data representing the actual sidewalk situation. By comparing the results of the crowdsource-based sidewalk detection with this reference data the reliability of the method can be evaluated. The results show that the method is well suited to detect existing sidewalks. They correctly rated by 88 %. However, the method fails to detect non-existing sidewalks, which means that such street segments cannot be excluded from pedestrian routing as they should. We conclude with a discussion of improvements of the method.