Extracting Relevant Points of Interest from Open Street Map to Support E-Mobility Infrastructure Models

Abstract

Neben kommerziell bereitgestellten Geodaten nehmen freiwillig erhobene geographische Daten (VGI, volunteered geographic information) in der Forschung einen wachsenden Stellenwert ein. Plattformen wie OpenStreetMap (OSM) bieten inzwischen eine enorme Menge an Geodaten, deren Qualität und deren Mehrwert für die Forschung zunehmend kritisch betrachtet werden. Besonders dann, wenn es um räumliche Planung geht, müssen die Daten vor der Anwendung angemessen validiert und bereinigt werden. In diesem Artikel wird ein Datenverarbeitungsmodell vorgestellt, mit dem OSM-Daten so
aufbereitet werden können, dass der Bedarf an Ladeinfrastruktur für Elektroautos über von Nutzern eingetragene Point of Interests (POI) räumlich möglichst genau erfasst und abgebildet werden kann. Zunächst erfolgt eine Selektion relevanter Datensets durch eine Prävalidierung. Im zweiten Schritt werden die wichtigsten POI selektiert und spezifiziert. In einem dritten Schritt werden alle OSM-immanenten Schwierigkeiten beseitigt. Das hier vorgestellte Datenverarbeitungsmodell ist auf das Thema Elektromobilität zugeschnitten, für welches POIs in die vier Zeitkategorien Arbeit, Leben, Einkaufen und Freizeit eingeteilt werden, um so den Bedarf an Ladeinfrastruktur zu erheben. Durch dieses Modell der Datenverarbeitung soll die Energienachfrage für Elektroautos räumlich möglichst realistisch dargestellt werden und Rohdaten mit ihren bekannten Fehlern durch den OSM-Datensammlungsprozess bereinigt aufbereitet werden. Anhand einer Fallstudie, die im bayerisch-tschechischen Grenzraum durchgeführt wurde, wird gezeigt, dass die Fehlerrate durch die Implementierung validierter Daten um ca 10% reduziert werden kann.