Zumindest hier in der Gegend ist die Basis meist halb in den Boden eingegraben oder sogar betoniert. Das bleibt Jahre bis Jahrzehnte.
Der Haufen drĂŒber schwankt natĂŒrlich wie vergleichbar der Bewuchs auf dem Acker.
Es soll dabei nicht die die Tagesgenaue fĂŒllmenge vom Fahrsilo erfasst werden, sondern die FlĂ€che die dort als Fahrsilo gebaut wurde und so genutzt wird.
Genau diese art von Befestigten Fahrsilos sind bei dem Tag gemeint.
Der Zuschnitt der einzelnen Aufgaben scheint mir nicht sehr glĂŒcklich zu sein. Nach meiner Beobachtung können die meisten mit âKein Fehlerâ abgeschlossen werden. Irgendwie wird das allmĂ€hlich zur BeschĂ€ftigungstherapie.
Generell wird es leider immer schwieriger, mit geometrischen/logischen Methoden die Teilwohngebiete zu finden, wo noch HĂ€user fehlen. Die Schwierigkeit liegt in groĂen landuse=residential wie https://www.openstreetmap.org/way/818877024, die auch noch Parks, Friedhöfe, GrĂŒnflĂ€chen und dergleichen enthalten.
âWĂ€lderâ und âWiesenâ ist aber ein guter Hinweis gewesen. Es gibt noch natural=wood, natural=grassland und die weiteren natural=*, die von den Wohngebieten abgezogen werden mĂŒssen. Die hatte ich bisher ĂŒbersehen.
ich habe die verbliebenen zwei Challenges fĂŒr Brandenburg und Sachsen-Anhalt archiviert und âverstecktâ, so dass sie in der Suche nicht mehr erscheinen. Ich habe keine andere Möglichkeit sie zu schlieĂen, ohne sie gleich ganz zu löschen.
Bei beiden hatte das Interesse sehr nachgelassen und es gab nur noch sehr wenig Fortschritt.
Alle ĂŒbrig gebliebenen Gebiete sind auch in der neuen, deutschlandweiten Challenge enthalten. Ihr verpasst also nichts
Es ist auch nicht gut, zwei Challenges mit ĂŒberlappenden Aufgaben aktiv zu haben, weil die Mapper dann bei der jeweils anderen auf Aufgaben stoĂen, die schon erledigt sind.
MissverstÀndnis? Damit sind die Dinger mit den BetonseitenwÀnden gemeint. Die wachsen und schrumpfen eher selten
(Silos ohne Bauwerk zu erfassen wÀre Àhnlich sinnlos, wie Autostandorte einzutragen.)
Von fast 100 bearbeiteten Aufgaben, fehlten nur in 2 Aufgaben wirklich GebÀude (bisher ungemappte Neubaugebiete).
Neben den schon bekannten FĂ€llen von RandstĂŒcken, waren dies insbesondere residentials mit âfalschenâ GebĂ€udetypen (commercial, industrial, hotel, âŠ). In eindeutigen, groĂflĂ€chigen FĂ€llen habe ich da das residential angepasst.
Wenn es darum geht, fehlende GebĂ€ude zu ergĂ€nzen, sollten mMn alle FlĂ€chen herausgenommen werden, wo keine zusĂ€tzlichen WohngebĂ€ude stehen können: Dazu gehören andere vorhandene GebĂ€ude, aber auch FlĂ€chen wie Friedhöfe, SportplĂ€tze, VerkehrsflĂ€chen, âŠ
Ich habe jetzt noch ein Update eingespielt, bei dem die natural=*-FlÀchen abgezogen werden. Friedhöfe, SportplÀtze, SchulgelÀnde und dergleichen waren sowieso schon herausgenommen.
Die VerkehrsflĂ€chen sind in der Tat ein Problem. Ich habe keine gute Idee, wie man sie von leeren Wohngebieten unterscheiden kann, die auch ringsum von StraĂen umgeben sind.
Man kann bei MapRoulette 3 unterschiedliche PrioritĂ€ten vergeben. Ich habe die Einstellungen dafĂŒr jetzt verbessert, so dass die 4300 Aufgaben mit hoher PrioritĂ€t nur noch groĂe FlĂ€chen ohne WohngebĂ€ude sind. Wenn man nach Abschluss einer Aufgabe die Funktion benutzt, zur nĂ€chsten zufĂ€lligen oder benachbarten Aufgabe zu springen, dann werden einem nur diese âwichtigenâ Aufgaben vorgeschlagen. Vielleicht hilft das ja, um die zuerst die relevanteren Aufgaben zu finden.
Bisher ist das VerhĂ€ltnis 713 âFixedâ zu 1381 âNot an issueâ, also fast 2/3 unnötige Aufgaben
Das mit dem âIn der NĂ€heâ klappt aber auch nicht. Ich habe 4 Fehler um Bielefeld und werde nicht zum nĂ€chsten geleitet sondern 22 km entfernt nach Neuenkirchen. Da stimmt doch auch was nicht.
Ah, danke fĂŒr die Klarstellung. Die habe ich bis jetzt als barrier=wall erfasst. Und jetzt darf ich meine falschen man_made=bunker_silo Knoten wieder löschen.
Hmm, oder doch nicht löschen?
Ich erkenne hier keine Mauern, aber die Funktion des Platzes ist doch die gleiche? Je nach Luftbild sehen die Haufen natĂŒrlich verschieden aus. https://www.osm.org/way/1081800885
Auf diesem Hof https://www.osm.org/way/218907575
sehe ich im SĂŒden klar Mauern, aber der Haufen im Westen ist dann kein man_made=bunker_silo?
Bunker-Silo: https://www.openstreetmap.org/node/9911346742
das erste (fast) gefĂŒllt, das zweite nur etwas⊠In meinem Beispiel teilen sich diese Silos die Trennwand (ca. 2-3 hoch) hier hat jedes seine eigeneâŠ
Ich bin vermutlich der Letzte, der da noch unmapped buildings abliefert. Aufgrund der Kleinteiligkeit der Aufgaben geht dies natĂŒrlich nur im Schneckentempo. Completeness in den Sachsen-Anhaltinischen Auen liegt aktuell bei 75%. Tendenz kaum merklich steigend.
Man sieht schön, wie sich das Tempo ab KW 45 erhöht hat. Der Anteil von âNot an Issueâ nimmt im Laufe der Zeit zu, weil auch andere Mapper weiĂe Flecken mit GebĂ€uden fĂŒllen.
Ehre gebĂŒhrt söm4324, der 23 % aller Tasks eigenhĂ€ndig erledigt hat und allein ĂŒber 41.000 GebĂ€ude eingezeichnet hat!
186 Mapper haben mitgemacht:
Mapper
Tasks total
Fixed
Already Fixed
Not An Issue
CompletionTime
söm4324
4765
1736
2549
480
8 days 03:14:54
theophrastos
3152
891
298
1963
2 days 22:05:46
Geofreund1
2319
1305
58
956
7 days 13:40:54
fx99
2229
987
40
1202
1 days 19:30:34
hfs
919
491
125
303
2 days 20:13:28
Rainero
907
598
51
258
6 days 07:02:21
puma515
830
167
1
662
0 days 09:23:52
martinst
612
179
72
361
0 days 23:04:22
EvaUnterwegs
547
172
5
370
0 days 15:38:34
googlenaut
546
430
4
112
4 days 15:52:09
BeKri
196
128
46
22
3 days 05:12:34
Zkwosch
187
61
14
112
0 days 04:54:58
Tim-o
171
123
4
44
0 days 07:43:46
joko_BKG
151
36
1
114
0 days 09:15:42
huozhe
130
94
11
25
0 days 10:23:59
rubberduck9999
128
75
18
35
0 days 19:35:10
Piet183
123
17
0
106
0 days 07:13:57
noname1477
115
88
13
14
1 days 00:30:04
wobi9000
114
104
3
7
0 days 16:06:30
seichter
108
79
16
13
1 days 01:50:41
The_Nickname
105
62
1
42
1 days 13:25:02
DoloresReis
99
0
99
0
0 days 07:52:29
masse_BKG
95
82
0
13
0 days 08:43:58
kutt_bkg
92
60
4
28
0 days 08:45:33
osm-user12
86
52
9
25
0 days 15:38:14
mcliquid
81
54
1
26
0 days 02:31:10
Hiddenhausener
76
13
0
63
0 days 05:13:50
9ix
71
46
1
24
0 days 12:34:24
KoiAndBlueBird
71
32
3
36
0 days 01:25:15
UE_Su
66
46
9
11
0 days 04:42:27
MarcPhi
66
28
28
10
0 days 11:35:27
Backpfeifenolga
65
34
0
31
0 days 04:16:34
dkf2010
56
37
1
18
0 days 03:42:05
univalence
55
27
8
20
0 days 01:28:59
R0bst3r
53
8
0
45
0 days 01:19:46
Henry572
51
42
0
9
0 days 07:23:38
hiierundda
48
24
12
12
0 days 12:11:53
creabaluti
46
25
0
21
0 days 06:03:54
J_Lo_BKG
46
36
2
8
0 days 06:50:22
complete_gth
43
12
0
31
0 days 00:47:57
lovelyfurball88
42
28
3
11
0 days 06:11:52
pyram
40
34
2
4
0 days 11:54:07
geo_thom
37
13
0
24
0 days 03:45:18
vogelfreier
36
21
4
11
0 days 09:16:08
Fischkopp0815
34
19
1
14
0 days 04:09:40
CyclingHannes
31
23
6
2
0 days 14:32:28
wungasaurus
31
21
5
5
0 days 04:28:57
Airfall
30
13
5
12
0 days 00:51:34
HektorSchlegel
26
19
5
2
0 days 06:40:59
CasGroenigen
26
23
1
2
0 days 05:30:17
_klaas_
24
14
0
10
0 days 01:04:25
janolezab
20
14
3
3
0 days 03:00:42
Ygramul
19
14
1
4
0 days 03:46:18
Rhodez
19
7
1
11
0 days 00:21:12
FastLukas
19
9
1
9
0 days 00:26:25
luca sski
17
16
0
1
0 days 02:24:15
Lesiakower
16
6
8
2
0 days 00:58:23
rik_
16
9
0
7
0 days 00:37:27
taire
16
7
2
7
0 days 00:50:08
zwombie
15
11
3
1
0 days 04:35:34
SammyJM
15
12
0
3
0 days 04:23:05
ibanez
14
12
1
1
0 days 02:29:34
Karthoo
11
0
0
11
0 days 00:00:59
CaptainFehlentscheidung
11
5
2
4
0 days 01:29:47
Puntertje
11
4
1
6
0 days 00:41:28
Awania Morish
11
6
5
0
0 days 04:19:01
MichaelFS
11
0
0
11
0 days 00:12:42
wkdgs
10
5
0
5
0 days 00:14:40
Luuubb
10
4
1
5
0 days 00:59:39
Sonstige*
374
183
62
129
2 days 17:54:13
*) 117 weitere Mapper haben weniger als 10 Tasks bearbeitet
Hier noch eine detaillierte AufschlĂŒsselung der Changesets. Neben den GebĂ€uden wurden auch die umliegenden Daten verbessert. So wurden 1.000 neue Landuse-FlĂ€chen und fast 1.000 neue Highways hinzugefĂŒgt. Dass ĂŒber 130,000 Nodes verĂ€ndert wurden, bedeutet hoffentlich, dass viele vorhandene GebĂ€ude verbessert wurden.
Mapper
create building=yes
create building=*
create buildings per hour
create landuse
create highway
create node
create way
create relation
modify building=yes
modify building=*
modify landuse
modify highway
modify node
modify way
modify relation
delete node
delete way
delete relation
söm4324
41547
176
214
5
21
15
140
0
1425
319
98
300
33747
306
7
3068
356
1
theophrastos
8456
257
124
166
21
17
132
0
410
166
567
233
11534
137
8
701
61
1
Geofreund1
21718
1485
128
43
138
2077
336
7
4558
1480
268
738
17122
664
46
1783
136
0
fx99
10543
311
249
150
18
14
76
0
83
126
686
84
3754
222
0
637
43
3
hfs
8153
9
120
113
50
14
134
0
1303
158
202
95
5260
108
0
892
54
2
Rainero
11886
3465
102
110
65
20
174
0
1250
446
432
559
20192
189
12
1473
113
7
puma515
726
283
107
3
2
9
49
2
68
86
31
23
1379
18
0
73
4
0
martinst
2237
3
97
0
17
2
364
0
80
19
28
24
927
10
0
42
6
0
EvaUnterwegs
4519
8
289
3
4
0
2
0
223
47
44
8
2259
12
0
112
10
0
googlenaut
14799
35
133
82
18
0
410
0
929
254
92
59
14061
75
0
1186
135
2
BeKri
3965
57
52
76
175
43
307
2
340
252
400
734
10878
326
31
848
68
3
Zkwosch
492
0
100
6
14
0
9
0
1
0
5
17
35
3
0
2
0
0
Tim-o
2583
0
334
2
6
0
4
0
8
0
4
10
159
2
0
15
2
0
joko_BKG
693
0
75
0
0
0
1
0
2
0
0
0
0
0
0
0
0
0
huozhe
1648
1
159
4
5
49
5
0
9
0
27
15
85
8
0
62
4
0
rubberduck9999
1817
21
94
0
1
93
5
0
20
1
2
3
172
0
0
6
0
0
Piet183
133
15
20
39
3
0
15
1
20
17
111
30
977
45
0
383
36
1
noname1477
2291
10
94
11
20
4
11
0
21
3
25
54
329
8
0
43
0
0
wobi9000
2085
46
132
62
2
0
71
0
84
18
61
39
886
26
0
115
9
0
seichter
244
0
9
9
0
0
0
0
1
0
4
0
10
0
0
2
1
0
The_Nickname
1839
2
49
5
183
8
39
0
87
10
6
165
1088
4
4
139
11
0
DoloresReis
242
259
64
0
0
0
0
0
1
0
0
1
3
1
0
4
1
0
masse_BKG
769
0
88
0
0
0
16
0
16
0
1
0
76
0
0
9
6
0
kutt_bkg
786
0
90
0
0
0
2
0
43
1
0
0
6
0
0
26
0
0
osm-user12
813
9
53
6
11
1
9
0
24
2
19
20
239
8
0
45
3
0
mcliquid
506
42
218
11
3
1
9
0
30
11
20
11
82
11
0
22
7
0
Hiddenhausener
190
41
44
9
5
1
4
0
12
15
43
28
596
10
0
109
5
0
9ix
7
0
1
0
0
0
0
0
0
0
0
0
2
0
0
0
0
0
KoiAndBlueBird
276
0
194
2
14
23
11
0
1
0
1
11
15
1
0
6
1
0
UE_Su
568
0
121
16
4
0
2
0
3
5
32
7
126
11
0
81
0
0
MarcPhi
365
9
32
0
0
0
13
0
10
0
1
6
118
2
0
6
0
0
Backpfeifenolga
753
2
177
1
9
0
26
0
8
2
6
21
109
1
0
64
11
0
dkf2010
636
0
172
3
0
0
2
0
28
5
0
1
254
1
0
4
0
0
univalence
199
0
134
0
6
0
6
0
0
0
2
4
7
0
0
4
1
0
R0bst3r
50
6
42
0
0
0
1
0
2
0
4
2
10
0
0
6
0
0
Henry572
993
21
137
4
2
0
0
0
1
2
19
15
58
9
0
18
1
0
hiierundda
970
1
80
0
8
6
0
0
128
19
2
18
524
1
0
80
16
0
creabaluti
327
5
55
0
6
1
12
0
1
0
4
8
92
1
0
6
0
0
J_Lo_BKG
458
0
67
0
0
0
0
0
8
0
0
0
12
0
0
0
1
0
complete_gth
19
151
213
1
0
0
6
0
2
0
1
7
20
0
0
1
0
0
lovelyfurball88
578
150
117
0
0
0
35
0
0
0
0
0
24
0
0
2
0
0
pyram
1334
25
114
22
24
0
15
0
100
10
41
115
1194
52
1
191
20
0
geo_thom
32
2
9
3
1
12
2
0
0
0
5
4
29
2
0
18
1
0
vogelfreier
329
0
35
23
2
1
6
0
88
14
52
62
820
34
1
284
8
0
Fischkopp0815
311
14
78
3
4
0
0
0
63
12
17
13
657
4
3
39
4
0
CyclingHannes
75
1
5
0
0
0
1
0
0
0
0
0
14
0
0
0
0
0
wungasaurus
1254
4
281
0
0
0
11
0
77
0
2
5
225
1
0
20
2
0
Airfall
165
0
192
0
0
0
2
0
2
0
0
1
32
1
0
7
2
0
HektorSchlegel
868
0
130
0
0
3
3
0
6
1
0
1
60
2
0
8
2
0
CasGroenigen
889
0
161
0
0
1
0
0
1
5
0
1
83
3
0
0
0
0
_klaas_
94
0
88
2
4
0
0
0
4
0
2
5
31
0
0
1
0
0
janolezab
85
0
28
0
1
0
3
0
2
0
1
3
33
0
0
0
0
0
Ygramul
454
1
121
0
2
0
8
0
16
1
0
1
48
0
0
0
0
0
Rhodez
27
0
76
0
0
0
0
0
0
0
3
0
14
1
0
0
0
0
FastLukas
72
0
164
0
3
0
0
0
6
1
0
2
23
0
0
6
1
0
luca sski
245
0
102
0
0
0
0
0
2
0
0
0
30
0
0
0
0
0
Lesiakower
122
0
125
0
0
0
0
0
0
0
0
1
5
0
0
0
0
0
rik_
57
0
91
0
0
0
0
0
15
0
2
2
88
1
0
6
0
0
taire
24
0
29
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
zwombie
345
0
75
0
0
0
1
0
3
1
1
7
85
2
0
10
0
0
SammyJM
447
0
102
0
3
0
2
0
0
1
0
5
20
1
0
0
0
0
ibanez
8
225
93
1
0
0
13
0
0
8
0
1
33
0
0
0
0
0
CaptainFehlentscheidung
89
0
59
0
0
0
0
0
5
0
0
0
4
0
0
0
0
0
Puntertje
121
0
175
0
0
0
0
0
0
0
1
0
7
0
0
0
0
0
Awania Morish
37
0
9
0
0
0
0
0
0
0
0
0
12
0
0
15
1
0
wkdgs
65
16
331
0
1
0
0
0
1
0
1
2
4
0
0
0
0
0
Luuubb
150
1
152
1
1
0
0
0
4
0
2
2
22
0
0
9
1
0
total
163384
7350
123
1056
951
2476
2577
12
11761
3538
3462
3708
132299
2354
122
13064
1190
21
In dieser Karte ist dargestellt, welcher Mapper pro Wabe am meisten Tasks erledigt hat. Daran kann man schön sehen, dass die aktivsten Mapper versuchen, zuerst âihreâ Region abzuarbeiten.
Passend zur Karte oben habe ich hier noch eine interessante Karte, die den zeitlichen Ablauf visualisiert. Jede Wabe ist danach eingefĂ€rbt, wann der letzte Task darin erledigt wurde. Man kann schön sehen, wie sich die AktivitĂ€t Region fĂŒr Region voranarbeitet.
Es gab ja einige Diskussionen darĂŒber, dass es zu viele falsch positive Meldungen gab und der Anteil von Tasks, die als âNot an Issueâ zu schlieĂen waren, zu hoch war.
Die Verteilung der âNot an Issueâ war regional sehr unterschiedlich â wenn man Pech hatte und in einem solchen Gebiet gestartet hat, konnte durchaus der Eindruck entstehen, dass âalleâ Tasks âNot an Issueâ wĂ€ren.
Ich woltle wissen, ob man âNot an Issueâ-Tasks schon anhand der geometrischen Eigenschaften hĂ€tte ausfiltern können. Das folgende Diagramm stellt den Anteil der Tasks dar, die âFixedâ wurden, eingeteilt nach der FlĂ€che in mÂČ der LandnutzungsflĂ€che und nach dem Anteil der FlĂ€che, der durch GebĂ€ude bedeckt ist.
Bei den sehr kleinen FlĂ€chen < 10.000 mÂČ, die auch am hĂ€ufigsten vorkommen, ist der Anteil von âFixedâ in der Tat kleiner.
Einfluss auf Fortschritt erfasster GebÀude in Deutschland
Zuguterletzt wollte ich noch auswerten, ob diese Challenge einen nennenswerten Einfluss auf die erfassten GebÀude in Deutschland hatte? Im Diagramm sieht man, dass es weiterhin einen stetigen Zuwachs an GebÀuden gibt. Ca. 20 % der in diesem Zeitraum neu hinzugekommenen GebÀude sind im Rahmen der Challenge entstanden.