Adressstatistik

was mich interessieren würde wäre, wie man (ggf. im Tagging) Adressen,

  • die einen Briefkasten haben (“normale” Adressen)
    und
  • Adressen, die es “nur” offiziell gibt (Garagen-Adressen, Adressen abgerissener Gebäude, Adressen ohne bestehende(s) Gebäude)

trennen kann.

Kann man das im Tagging vielleicht irgendwie unterscheiden?

In dem von mir geschilderten Fall: Nirgends eine Nummer dran —> nicht in OSM eingetragen. :wink:

Gruß Uwe

+1.

Zu #627k bis #629 möchte ich folgendes anmerken:
Maps4BW scheint inzwischen als Hintergrundbild sehr gut zu sein. Ich habe z.B. von befreundeten Vermessungsbüros Koordinaten im Format Gauß-Krüger erhalten, um neue Gebäude in OSM einzutragen. Die Koordinaten habe ich mit
https://www.koordinaten-umrechner.de/Dezimal/48.947716,9.134574?karte=OpenStreetMap&zoom=8
auf WGS84 umrechnen lassen und so die Gebäude eingetragen. Einige Neubauten sind inzwischen in Maps4BW zu sehen und es ist fast keine Abweichung zu meinen Eintragungen festzustellen. Beispiele:
• Borsigstraße 2, 4 und 6 in Bietigheim-Bissingen
• Gröninger Weg 10/1, 10/2, 10/3 und 10/4 in Bietigheim-Bissingen
• Breuningerstraße 8 in Sachsenheim
Meines Erachtens können also in Baden-Württemberg Adressen auf Grund von Maps4BW mit gutem Gewissen ergänzt werden.

Die hypothetischen, ungenutzten Adressen könnte man vielleicht so darstellen:

addr=hypothetical
address=hypothetical
addr=reserved
address=only_official

Ich hab jetzt zum ersten Mal bei einer größeren Stadt (also kein Dorf) die 100-Prozent-Marke knacken können: Bruchköbel hat aktuell 5344 Adressen und liegt damit bei 102,3 Prozent.

Alle anderen Orte in der Umgebung krebsen, obwohl vollständig gemappt, bei 80 Prozent herum ohne Aussicht auf Besserung (nur Neuberg als “Dorf” hat auch knapp die 100 Prozent erreicht).

Stuttgart hat schon seit einer Weile > 100%
84182 theoretische Anzahl Hausnummern
102 theoretische Hausnummerabdeckung in %

ebenso Herrenberg:
8214 theoretische Anzahl Hausnummern
103.4 theoretische Hausnummerabdeckung in %

Daten aus: https://regio-osm.de/hausnummerauswertung/maptheoevaluation.html?zoom=16&lat=49.09856&lon=9.68378&layers=B00FFFFFFFFFTF

  1. Hypothetische Adressen sollte man nicht erfassen - wie (raten?) und wofür auch?
  2. Was ist eine “ungenutzte Adresse”? Wie sollte man feststellen, dass sie nicht genutzt wird? Adressen von “Objekten ohne Briefkasten” könnten zum Beispiel für anliefernde Baufirmen sinnvoll sein…

Daher auch “theoretische” Abdeckung.
Ich hätte 140 und 132% (in BW, an der Küste 276%) zu bieten - wer bietet mehr :P?

Neuer Ansatz zur Vollständigkeit der Adresserfassung

Nachdem die hier oft zitierte “theoretische” Abdeckung nur einen sehr groben Richtwert bieten kann,
habe ich mal einen neuen Ansatz angetestet.

Statistik BW https://www.statistik-bw.de/Wohnen/GebaeudeWohnungen/07055020.tab?E=KR gibt gemeindeweise die Anzahl
der Wohngebäude an.

Unter der (plausiblen) Annahme, dass jedes Wohngebäude eine Adresse haben sollte, habe ich für die Gemeinden im LK BB
das Verhältnis (AnzahlAdressen)/(AnzahlWohngebäude) berechnet.

Wie zu erwarten (neben Wohngebäuden gibt es noch andere Adress-behaftete Gebäude), liegt dieser Wert
meist zw. 100% und 111%.

Allerdings gibt es auch Gemeinden mit Werten < 100%, was nur an nicht erfassten Adressen liegen kann.

Damit erscheint mir die Aussagekraft deutlich höher, als die “theoretische” Abdeckung, die im LK BB trotz gefühlt sehr guter Erfassung
zw. 68% (Sindelfingen) und 106% (Herrenberg) liegt.

Edit: gemäß Vorschlag seichter jetzt: (AnzahlAdressen)/(AnzahlWohngebäude)

Ähnliches habe ich im Frühjahr 2018 gemacht, allerdings auf Grundlage Zensus 2011, siehe https://wiki.openstreetmap.org/wiki/User:Dooley

Natürlich ist die Zahl der (Wohn)gebäude eine bessere Basis als die Einwohnerzahl. Dort muss man die Verdichtung (Zahl der Einwohner pro Hausnummer) nach Ortstyp abschätzen und - schätzen kann fehlen. Auch Gebiete mit vielen Ferienwohnungen (wenig ansässige Einwohner) werden besser erfasst.

Die Frage ist nur, wie man in anderen Bundesländern an die Gebäudedaten kommt.
[edit]Aha: Die Arbeit von dooley kommt dem schon nahe. Jetzt noch aktueller (z.B. 3% für Bad Überkingen stimmen sicher nicht mehr) und noch eine Spalte für in OSM erfasste Gebäude (ohne Garagen etc) würde ich mir wünschen. Ein Wert dort von deutlich mehr als 100% würde auf Nacharbeitspotential für Nebengebäude hindeuten.[/edit]

Ich würde nur den Quotient zu Adressen/Gebäude umdrehen, damit man dieselbe Ordnung wie bei regio-osm hat (kleine Zahl → schlechtere Abdeckung).

Abgesehen von den Ausreissern ist die regio-osm-Statistik so schlecht nicht, man sieht z.B. sofort, in welchen Bundesländern großflächig Hausnummerndaten wie in Maps4BW zur Verfügung standen und auch genutzt wurden.

Diese tolle Arbeit scheint aber hier nicht sehr bekannt zu sein.
Der Unterschied 2011/2017 in den Wohngebäuden dürfte nicht so signifikant sein, wenn man dadurch einfacher an
die Daten ran kommt.

Nach der aktuellen Diskussion habe ich mir nochmal die beiden BW Problemfälle Heidelberg und Freiburg im
Vergleich mit anderen Großstädten angeschaut.

Gemeinde	Bevöl-	Adres-	theor.	Abdeck	Wohn-	W Ab-
		kerung	sen	Adres.	 	häuser 	deckung
------------------------------------------------------------------------------------------------------
Freiburg	226393	30434	52174	58,3%	26618	114,3%
Heidelberg	156267	22715	36274	62,6%	20131	112,8%
Mannheim	305780	46018	49259	93,4%	41343	111,3%
Stuttgart	623738	85929	84182	102,1%	77412	111,0%
Karlsruhe	307755	49200	53470	92,0%	41782	117,8%

Wenn man die Abdeckung aus der Anzahl der Wohnhäuser berechnet, haben alle Großstädte
eine ähnlich gute Adressabdeckung

Wohnhäuser: Ist 2011 lt. statist. Bundesamt

Wohnhäuser=? Ist, Soll, oder was?

Gruss
walter

Ist Mikrozensus 2011

Das mag für ähnlich große Orte innerhalb eines Bundeslandes ja ganz nett funktionieren. Aber nicht generell. Es gibt signifikante Unterschiede in der Einwohnerzahl je Wohngebäude je nach Ortsgröße. Und Unterschiede in der Anzahl der Adressen je Gebäude ebenfalls nach Ortsgröße. Beides berücksichtigt die “theoretische Abdeckung”, wenn auch sicherlich verbesserungsfähig durch bessere Modellierung. Das Ortsrecht spielt hier auch noch mit (Stichwort: Adressen für Garagen). Letzteres kann aber praktisch nicht modelliert werden.
Wenn ich Zeit und Muße hätte und eine ausreichende Zahl von bekannten tatsächlichen Zahlen (Adressen/Wohngebäuden/Einwohnern) verschiedener Ortsgrößen, dann könnte man das nochmal per Regression austesten. Aber das hat Dietmar bestimmt auch schon gemacht. Sein Modell litt aber schlicht unter der geringen Anzahl der verfügbaren Datensätze :-/

Kennt jemand den Spruch “Die letzten 10% eines Projekts erfordern 90% der Arbeitszeit”?

So fühle ich mich gerade im Bezug auf Hausnummern. Ich versuche gerade, die letzten noch fehlenden Hausnummern in Hanau zu finden. Die Stadt hing laut OSMsuspects die ganze Zeit bei 98% fest, jetzt sind es immerhin schon (!) 99% bei 17394 Hausnummern Ist-Zustand. Die fehlenden Hausnummern lassen sich grob in drei Kategorien einteilen:

  • Häuser, wo die Hausnummer nicht straßenseitig einsehbar ist und man Privatgrund betreten muss, um die Hausnummer herauszufinden
  • Supermärkte
  • Gebäude im Hafengebiet, wo das Erfassen der Hausnummern allgemein sehr schwer ist

Die einzige Chance: zufälligerweise vorbeikommen, wenn gerade Restmüll abgeholt wird. Auf den Restmülltonnen steht die Hausnummer drauf. Aber wie macht man das ohne einfach nur unglaubliches Glück zu haben?

https://www.muellmax.de/abfallkalender/his/res/HisStart.php

Eher in der Variante: Das letzte Prozent erfordert 99 % des Aufwandes.

Ich für mich verzichte auf das letzte Quentchen Perfektion und setze meine Energie lieber woanders ein, wo mit weniger Aufwand mehr erreicht werden kann.