Cool, danke. Die Grafik macht deutlich, dass die Adressabdeckung regional sehr unterschiedlich ist.
“Mein” Kreis Coesfeld: 255 Adressen pro 1000 Einwohner.
Pirmasens: 12 Adressen pro 1000 Einwohner.
Den Einfluss des NRW-Atlas merkt man doch recht stark. In Ba-Wü ist das interessanterweise weniger ausgeprägt.
Wann bezeichnet die Karte eine Adresse vollständig?
Das Wording ist dort noch schlecht. Gemeint ist eine Adresse, die ich als solche in meiner Auswertung auch zähle (mind. Straße + Hausnummer) - im Gegensatz zu Adressen ohne Angabe von Straße bzw. place.
Mich überrascht es, dass der am schlechtesten gemappte Kreis nicht etwa irgendwo im Osten ist, sondern der Saarpfalz-Kreis im Saarland mit nur 8 Adressen pro 1000 Einwohner. Dicht gefolgt vom Landkreis Freyung-Grafenau mit 9 Adressen und dem Landkreis Altenkirchen mit 10 Adressen .
Bedeutet “als ways” das die Adressen in der Regel an einem building=* hängen?
Das musst du jetzt mal näher erläutern.
Naja, ich bin einfach von der Logik ausgegangen “weniger Einwohner = weniger potentielle Mapper”. Die dünne Besiedlung dürfte es auch schwieriger machen als z. B. in einer Großstadt.
8 Adressen pro 1000 Einwohner ist sehr wenig. Trotzdem muss man bei der Bewertung dieser Zahl darauf achten, welche Art der Bebauung vorherrschend ist. Mehrfamilienhäuser führen zwangsläufig zu weniger Adressen pro 1000 Einwohner.
Das hat auf Adressen pro Tsd. Einwohner ja keinen Einfluss.
Das heißt, sie sind an einem OSM-Element vom Typ “way” annotiert. Das wird in der Regel ein Haus sein.
Der Eingangsknoten eines Hauses “hinge” ja (geometrisch) auch an einem Haus, ist aber ein Element vom Typ “node”.
Das ist wohl wahr.
Gehen wir nach absoluter Anzahl der Adressen, ist das Schlusslicht die kreisfreie Stadt Pirmasens, gefolgt von der kreisfreien Stadt Hof und wiederum dem Landkreis Freyung-Grafenau.
Richtig. Trotzdem haben die kreisfreien Städte (mit ja tendenziell vielen Mehrfamilienhäusern) meist eher überdurchschnittlich viele OSM-Adressen.
Insofern halte ich die Details der Besiedlungsdichte im Moment für nicht so wichtig, um “weiße Flecken” in OSM aufzudecken.
EDIT: Die DPAG rückt bisher leider nur Referenzdaten auf Bundeslandebene raus. Auf Kreisebene wäre das natürlich super für eine Vergleichsauswertung (“Prozent Abdeckung”).
Deswegen hatte ich gefragt.
Im Bundesschnitt ist der Erwartungswert für “Adressen pro Tsd. Einwohner” ca. 250. In Berlin nur 105, Hamburg 155, Bremen (Land) 228. Im Saarland ist der Wert 327 (geringste Addressdichte), in Rheinland-Pfalz 315, in Bayern 259.
In Ostdeutschland ohne Berlin entspricht der Wert mit 263 übrigens ziemlich dem Bundesschnitt.
Die Häufung von Hausnummern ohne Straßen im Kreis Rotenburg/W Niedersachsen resultiert wohl aus Hinzufügungen mit der Angabe “DIKE” als Quelle … Bei DIKE handelt es sich wohl um eine Karte für Rettungskräfte … Internet-Suche spuckt dazu was aus.
wenn du das Dike hier meinst: http://www.lgn.niedersachsen.de/portal/live.php?navigation_id=27300&article_id=90078&_psmand=35
“DIKE - Produkt wurde zum 1.01.2012 eingestellt.”
naja, zu den Rechten will ich erst garnicht fragen.
Interessant könnte auch Anzahl der Adressen pro Anzahl der “building=*” sein.
Das ist aber sehr subjektiv, denn jeder hat seinen eigenen Geschmack, Stichwort Doppelhaushälften.
Ich hab aber die neue Statistik zum Anlass genommen etwas (=knapp 100 Changesets) QA in Frankfurt zu betreiben. Ich meine, wir sind alle nur Menschen und jeder macht Fehler, aber es war doch überraschend, wie viele falsche Hausnummern es gab (teilweise auch grob falsch, z. B. “zg” als Hausnummer), wieviele Hausnummern der falschen Straße zugeordnet wurden usw. ohne dass es irgendjemandem aufgefallen ist. Außerdem scheint es noch recht viele Interpolationen zu geben, die aufgelöst werden müssen bzw. sollten.