Ein Vergleich der Straßennetze von OpenStreetMap und NAVTEQ

Ein Vergleich der Straßennetze
von OpenStreetMap und NAVTEQ
Ina LUDWIG, Angi VOSS und Maike KRAUSE-TRAUDES
Dieser Beitrag wurde nach Begutachtung durch das Programmkomitee als „reviewed paper“
angenommen.
1
Fragestellung
OpenStreetMap (OSM) sammelt weltweit Daten über Straßen und „alles andere, was gemeinhin auf Karten zu sehen ist“ (www.openstreetmap.de). Dazu zählt eine Vielzahl von
Spezialzielen (Points of Interest), die nicht nur für Touristen, sondern auch für eine Wohnungs- oder Standortsuche interessant sind. Selbsterklärtes Ziel ist es, die Abhängigkeit von
den Anbietern proprietärer Daten zu beenden. Nach der OSM-Lizenz (Creative Commons
Attribution-Share Alike 2.0) darf jeder die Daten kostenfrei einsetzen und beliebig verarbeiten. Man muss nur abgeleitete Produkte unter dieselbe Lizenz stellen. Dachte man
primär an digitale und druckbare Karten und an Daten für Forschung und Lehre, so geht es
inzwischen auch um Kartenmaterial für Navigationsgeräte. Zu OSM gibt es freie Software:
OpenLayers, für die Karte im Netz, wurde ergänzt um Dienste zur Verortung von Adressen,
zur Erstellung von Routen und Einzugsbereichen (NEIS & ZIPF 2006).
Damit steht Basisfunktionalität für das Geomarketing und speziell die Standortanalyse
bereit. Für OSM fehlen allerdings noch Potenzialdaten, also soziodemografische und sozioökonomische Daten, wie man sie für die Straßennetze von NAVTEQ™ oder Tele Atlas™
beziehen kann. Außerdem wäre noch die Frage der Datenqualität zu klären. Im OSM-Portal
liest man dazu, der Detaillierungsgrad der Daten sei regional sehr unterschiedlich und in
vielen Städten schon besser als die meisten proprietären Karten. Und überhaupt, was hieße
schon „vollständig“?
Mit diesen Fragen beschäftigte sich LUDWIG (2010) in ihrer Diplomarbeit, die sie am
Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS durchgeführt
und an der Universität Bonn eingereicht hat. Im Folgenden werden ausgewählte Ergebnisse
vorgestellt. Als Methode wurde der Vergleich mit einem Referenzbestand von NAVTEQ
gewählt. Dazu muss man wissen, wie sich die verschiedenen Konzepte von OSM und
NAVTEQ entsprechen und trotz der Unterschiede möglichst eine 1:1-Zuordnung konstruieren. Wenn man die Qualität der Datenbestände nicht kennt, ist sorgfältig zu überlegen,
welche Attribute man für die Zuordnung nutzt.
2
Ausgewählte Ergebnisse
Als Ergebnis können wir eine vergleichende Bewertung der OSM-Daten auf Straßenebene
ausweisen und zum Beispiel auf Kommunen oder Kreise aggregieren (vgl. Abbildung 1
und Abbildung 2). Es stellte sich heraus, dass die Vollständigkeit regional schwankt, sie ist
Ein Vergleich der Straßennetze von OpenStreetMap und NAVTEQ
Abb. 1:
411
Relative Objektvollständigkeit OSM im Vergleich zu
NAVTEQ pro Kreis
besser in besiedelten Gebieten (79,07 %) als in unbesiedelten (64,17 % im 10 km Puffer um
Siedlungen, 50,83 % in Entfernung von mehr als 10 km), bei stärker befahrenen Straßen
(92,43 % für NAVTEQ Kategorie 4, 88,28 %, für Kategorie 5, 54,63 % für Kategorie 7)
und in der Umgebung von geografischen Universitätsinstituten.
Qualität erschöpft sich nicht in der Vollständigkeit. Weitere Kriterien laut ISO 19113
(2002) sind interne Konsistenz, Korrektheit und Aktualität, und zwar der Geometrie einerseits und der thematischen Attribute andererseits (MÜLLEGER 2007). Interessanterweise
gibt es Städte mit hoher geometrischer Vollständigkeit in OSM, aber fehlenden oder ungenauen thematischen Attributen, und umgekehrt (vgl. Abbildung 3).
I. Ludwig, A.Voß und M. Krause-Traudes
412
Abb. 2:





Relative Objektvollständigkeit in Großstädten (Prozentsatz zugeordneter NAVTEQ-Objekte)
In Solingen zum Beispiel sind die OSM-Straßen weniger vollständig (46 %), dafür
aber großenteils benannt (93 %).
In Osnabrück hingegen findet man viele Straßen (90 %), aber auffällig selten wurden
Einbahnstraßen (18 %), Fußwege (22 %) und die Höchstgeschwindigkeit (1,5 %) eingetragen.
In Pforzheim wird von allen Städten am meisten die Höchstgeschwindigkeit (68 %)
notiert, und sie unterscheidet sich auch nur gering von der in NAVTEQ (10,3 %). Dafür fehlt auffällig oft das Attribut Einbahnstraße (55 %).
In Hamburg sind die untersuchten Attribute sehr vollständig, – bis auf das Attribut
Einbahnstraße (69 %).
Die OSM-Straßen in Karlsruhe sind sehr vollständig (90 %) und großenteils benannt
(91 %), aber oft (15 %) fehlt die Höchstgeschwindigkeit oder weicht von der bei
NAVTEQ ab (25 %).
Abb. 3:
Beispiele für relative Objektvollständigkeit, Vollständigkeit und Korrektheit von Attributen
Ein Vergleich der Straßennetze von OpenStreetMap und NAVTEQ
3
413
Bewertung durch Vergleich
Wie kommen wir zu diesen Ergebnissen? Unsere Untersuchung macht keine absoluten
Aussagen, sondern zieht einen Vergleich zu den Straßendaten von NAVTEQ. Daher die
relativen Prozentangaben in den Beispielen oben: In Osnabrück findet man also für 90 %
der NAVTEQ-Straßen entsprechende OSM-Straßen. Als kommerzielles Produkt, insbesondere für die Fahrzeugnavigation, sollte das NAVTEQ-Straßennetz (oder alternativ das von
Tele Atlas) eine hohe Qualität haben und sich als Referenzbestand eignen, wenn es um
Standortanalysen und allgemeiner Geomarketing geht. Steht man für eine Anwendung vor
der Wahl zwischen OSM und einem dieser proprietären Produkte, so sind Aussagen über
die Unterschiede ohnehin interessant.
Es ist nicht neu, Referenzdaten für eine Qualitätsuntersuchung von Straßendaten zu verwenden. JOOS (2000) beschreibt verschiedene Methoden. Einige empirische Untersuchungen für OSM präsentieren ZIELSTRA & ZIPF (2009). Für das OSM-Straßennetz in England
hat HAKLEY (2008) zum Beispiel Puffer um die britischen Ordnance Survey Daten gelegt
und bestimmt, wie viel Prozent des OSM-Bestands darin liegen. Außerdem hat er in den
Zellen eines Rasters die jeweiligen Straßenlängen aufsummiert und verglichen. So kann
man relative Vollständigkeit und Genauigkeit prüfen, nicht aber die thematischen Attribute.
Ein Graph-Matching-Verfahren kam zum Zeitpunkt der Untersuchung nicht in Betracht.
Denn der OSM-Bestand ist (noch) kein Navigationsgraph: im NAVTEQ-Netz endet ein
Straßenobjekt bei der nächsten Kreuzung oder Einmündung, weil man dort abbiegen kann.
In OSM muss das nicht sein, denn in einer Karte fällt es nicht auf, wenn manche Straßenzüge über eine Kreuzung hinausreichen. Diese unterschiedliche Konzeption von Straßenobjekten ist der wesentliche Grund, weshalb es bei NAVTEQ etwa dreimal so viel Straßenobjekte gibt wie bei OSM.
Wir haben für unseren NAVTEQ-OSM-Vergleich eine Objektzuordnung (engl. Matching)
konstruiert, ein Verfahren, das sonst für die Fusion von Datenbeständen eingesetzt wird.
Damit können wir die relative Vollständigkeit ermitteln und die Qualität jeder einzelnen
Straße hinsichtlich ihrer Geometrie und thematischen Attribute beurteilen. Ferner können
wir auf NAVTEQ bezogene lizensierbare Marktdaten auf die zugeordneten OSM-Straßen
übertragen.
3.1
Vergleich der Konzepte von NAVTEQ und OSM
Eine Zuordnung zwischen zwei Straßennetzen setzt voraus, dass die Konzepte aufeinander
abgebildet werden können. NAVTEQ (2008) richtet sich nach dem GDF-Format
(ISO 14825), die Konzepte von OSM haben RAMM & TOPF (2009) beschrieben. Für den
Vergleich verwenden wir die NAVTEQ-Daten aus dem Produkt „Digital Data Streets“ der
Firma Digital Data Services GmbH. Dieser leitet aus den original NAVTEQ-Daten neue
Attribute wie Kategorie, Richtung und Fußweg ab.
Wie schon erwähnt, müssen Straßenobjekte in NAVTEQ an Kreuzungen oder Einmündungen enden, in OSM aber nicht. Sowohl bei OSM als auch bei NAVTEQ muss ein neues
Objekt eingeführt werden, wenn sich ein thematisches Attribut, zum Beispiel die Geschwindigkeit, ändert. Das führt zu weiteren Unterschieden, da es bei OSM, anders als bei
I. Ludwig, A.Voß und M. Krause-Traudes
414
NAVTEQ, ein Attribut für die Nutzungsart gibt. Für ein Straßenobjekt mit separatem Fußoder Radweg bei NAVTEQ entsteht so bei OSM ein „Linienbündel“.
Bei Plätzen und ihren Zufahrten gibt es weitere konzeptionelle Unterschiede, die ebenfalls
weit weniger Objekte betreffen als die Kreuzungssituationen. Plätze können in NAVTEQ
als ein oder mehrere Straßenobjekte dargestellt sein, in OSM als Straßenobjekt oder Fläche,
Parkplätze sogar als Punkt. Zufahrten zu Plätzen können benannt (NAVTEQ) oder auch
unbenannt (OSM) sein, Kreise als ein (OSM) oder mehrere Objekte (NAVTEQ) erfasst
sein. Tabelle 1 zeigt die Entsprechungen zwischen den thematischen Attributen bei
NAVTEQ und OSM.
Tabelle 1:
Entsprechende Attribute in OSM und NAVTEQ
NAVTEQ
OSM
Kategorie: ordinal
Highway: nominal, teils ordinal,
Prim_name, Sek_name: nominal
(Schreibweise mit ss)
Name, Ref: nominal (Schreibweise mit ß)
Richtung: 4 Werte nominal
Oneway: binär
Km/h: 11 metrische Geschwindigkeitswerte
Maxspeed: beliebige metrische Geschwindigkeitswerte
Fussweg, Fusszone: binär
Verschiedene Highway-Ausprägungen:
nominal
Die Wertebereiche konnten gut aufeinander abgebildet werden, nur bei den Kategorien gab
es keine direkte Entsprechung. Tabelle 2 zeigt, wie die Straßenkategorien von OSM und
NAVTEQ einander zugeordnet wurden. Insbesondere der niedrigen NAVTEQ-Kategorie 7
entsprechen viele unterschiedliche Highway-Ausprägungen bei OSM.
3.2
Einschränkung auf Stadtstraßen
Da uns die Qualität von OSM speziell für das Geomarketing interessierte, konzentrierten
wir uns auf bebaute Straßen. Deshalb wurden in beiden Datenbeständen von vornherein
Autobahnen und ihre Zubringer (NAVTEQ-Kategorie 1 und 2, OSM motorway, trunk, und
deren -links) ausgeschlossen. Im NAVTEQ-Bestand wurden zusätzlich unbenannte Straßen
ausgeschlossen. Die ausgewählten Attribute sind in beiden Beständen wesentlich, also
vermutlich vollständig und korrekt. Denn bei NAVTEQ braucht man den Straßennamen zur
Verortung von Adressen und die Kategorie zum Finden von schnellen Routen. Auf der
OSM-Karte werden nur Straßen mit Highway-Tag dargestellt. Insgesamt wurden 98,74 %
der Straßenobjekte in OSM und 74,31 % von NAVTEQ verwendet.
Ein Vergleich der Straßennetze von OpenStreetMap und NAVTEQ
Tabelle 2:
Entsprechung der Straßenkategorien in OSM und NAVTEQ
NAVTEQ
OSM
Motorway, Motorway_link
Trunk, Trunk_link
Primary, Primary_link
Secondary, Secondary_link
Tertiary
Unclassified
Residential
Living_street
Service
Footway
Path
Pedestrian
Track
Cycleway
Steps
3.3
415
Kat 1
Kat 2
×
×
×
×
×
Kat 4
×
×
×
Kat 5
×
×
×
×
Kat 7
×
×
×
×
×
×
×
×
×
×
×
Segmentierung von OSM
Die Zuordnung wird in Anlehnung an WALTER & FRITSCH (1999) konstruiert, indem zunächst für jedes NAVTEQ-Straßenobjekt räumlich nahe Kandidaten in OSM ermittelt werden und diese dann anhand mehrerer Ähnlichkeitskriterien reduziert werden. Die besten
Kandidaten, wenn sie gewisse Mindestkriterien erfüllen, sind die Zuordnungspartner. Im
Nachgang können Spezialfälle behandelt werden.
Ein solches Vorgehen, bei dem nur die besten Kandidaten behalten werden, funktioniert,
wenn im Wesentlichen eine 1:1-Zuordnung konstruiert werden muss. Da auf ein NAVTEQObjekt im Durchschnitt aber 2 bis 3 OSM-Objekte entfallen, müssen diese weiter zerlegt
werden. Dazu zerschneiden wir die OSM-Objekte, indem wir Puffer um die NATVTEQObjekte legen. Haben wir das am besten passende OSM-Segment zu einem NAVTEQObjekt bestimmt, – unter Umständen auch mehrere gleich gute –, kennen wir natürlich auch
die zugehörigen OSM-Objekte, aus denen die Segmente entstanden sind. Durch diese Segmentierung werden insbesondere auch Kreise richtig behandelt.
Nach einigen visuellen Stichproben haben wir uns für Puffer in drei Größen entschieden:
5 m, 10 m und 30 m. 5 m ist die bei NAVTEQ erlaubte Abweichung von der Mittellinie.
5 m Puffer zerlegen OSM-Objekte allerdings öfters in Multigeometrien mit abweichender
Länge. Die nächste Abbildung illustriert das Problem: Hier passt die Länge des OSM-Segments erst im größeren 10 m Puffer. Der Kaiserplatz in Bonn ist ein Fall für 30 m Puffer.
Für diese wird allerdings kein Längenvergleich vorgenommen.
416
Abb. 4:
I. Ludwig, A.Voß und M. Krause-Traudes
Links: Längenunterschied im 5 m und 10 m Puffer; rechts: 5 m Puffer (gestrichelt) und OSM-Objekte (durchgezogen) am Kaiserplatz in Bonn
3.4 Zuordnung von OSM-Segmenten zu NAVTEQ
Die Zuordnung muss möglichst korrekt sein, da sonst die Qualitätsaussagen verfälscht
werden. Nicht zugeordnete Straßen können nämlich die Messung der Vollständigkeit beeinflussen und falsche Zuordnungen die Lagegenauigkeit und den Vergleich thematischer
Attribute. Deshalb verwenden wir für die Auswahl und Reduktion der Kandidaten nur die
Geometrie (Puffergröße und Länge), Name und Kategorie der Objekte. Name und Kategorie hatten wir schon bei der Auswahl der Straßen als korrekt angenommen. Auch die Lage
sollte bei einer Toleranz von ± 30 m hinreichend gut sein.
Für die Zuordnung werden zu jedem NAVTEQ-Objekt zunächst räumlich nahe Kandidaten
gebildet. Das sind alle OSM-Segmente in den drei verschiedenen Puffern. Die Kandidaten
müssen ferner eine „passende“ Straßenkategorie haben (siehe Tabelle 2). Dadurch werden
zum Beispiel Rad- und Fußwege aus den Linienbündeln aussortiert.
Die Kandidatenmenge wird anschließend reduziert. Dazu wird anhand mehrerer Kriterien
ein Ähnlichkeitsrang gebildet. Die Kandidaten müssen einen Mindestrang erreichen, und
davon werden nur die mit dem besten Rang behalten. Als Ähnlichkeitskriterien benutzen
wir die drei Puffergrößen, Längen und Straßennamen.
Tabelle 3 zeigt, wie verschiedene Kombinationen von Ähnlichkeitsprädikaten als Kriterien
benutzt wurden, um den Rang eines Paares zu bestimmen (5, 10, 30 steht für die Puffergröße, L für ähnliche Länge, N für ähnliche Namen, null für fehlenden Namen).
Da der Ähnlichkeitsrang mehrere Kriterien berücksichtigt und nicht nur identische, sondern
auch „passende“ Straßenkategorien zugelassen wurden, ist die Zuordnung tolerant gegen
Abweichungen in Position und Form der Straßen, in ihrer Kategorisierung und der
Schreibweise des Namens. Außerdem bietet sich der Rang der Zuordnungspaare als Indikator für die Korrektheit der Zuordnung an.
Ein Vergleich der Straßennetze von OpenStreetMap und NAVTEQ
Tabelle 3:
Rang
1
2
3
4
5
6
7
8
9
10
3.5
417
Definition des Rangs als Kombination von Ähnlichkeitsprädikaten
5LN
×
5N
×
×
10LN
×
×
×
10N
30N
×
×
×
×
×
5Lnull
10Lnull
×
×
×
5L
10L
×
×
×
×
×
×
Bewertung der Zuordnung
In der anschließenden Abbildung 5 sind NAVTEQ-Straßen danach eingefärbt, wie gut ihr
OSM-Partner zu ihnen passt. Rang 1-3: Hier stimmen Länge und Name bis zu einem Abstand von 10 m überein. Rang 4-5: Hier sind die OSM-Straßen im 5 m und 10 m Puffer und
ähnlicher Länge unbenannt. Rang 6-8: Nur der Name stimmt überein. Rang 9-10: Straßen
sind anders benannt, aber ihre Längen sind ähnlich.
Abb. 5:
NAVTEQ-Straßen in Bonn nach Rang
I. Ludwig, A.Voß und M. Krause-Traudes
418
Eine visuelle Prüfung von Stichproben ergab, dass viele Paare korrekt sind, auch wenn ihr
Ähnlichkeitsrang niedrig ist. Das ist zum Beispiel der Fall, wenn die OSM-Straße keinen
Namen hat oder nicht nahe genug liegt. OSM-Straßen werden öfters per Rad oder zu Fuß
erfasst, während sie bei NAVTEQ ja nur 5 m von der Straßenmitte abweichen dürfen.
NAVTEQ-Elemente mit unbenanntem OSM-Partner findet man eher bei niedrigen Straßenkategorien (oft benannte Wald- und Feldwege in NAVTEQ) (4,67 % bei Kategorie 4,
13,71 % bei Kategorie 5, 13,87 % bei Kategorie 7).
3.6
Wiederholbarkeit
Die hier vorgestellten Ergebnisse betreffen die NAVTEQ-Daten vom 3. Quartal 2008 und
die OSM-Daten von April 2009. Der OSM-Datenbestand wächst weiter und wird laufend
verbessert. So wurden noch während unserer Untersuchung einige Einbahnstraßen in Heidelberg im Sinne von NAVTEQ korrigiert. Für die logische Korrektheit, die ja unabhängig
von einem Referenzbestand spezifiziert werden kann, bietet das OSM-Portal einige Prüffunktionen an. Sie testen zum Beispiel, ob Name und Kategorie vergeben sind und ob die
Objekte zusammenhängen.
Es ist also wichtig, unsere Methode leicht wiederholen zu können. Ein Datenvergleich zu
verschiedenen Zeitpunkten würde auch Aussagen zur Aktualität ermöglichen. Als Voraussetzung müssen die beiden Datenbestände in eine Oracle Datenbank importiert werden. Der
NAVTEQ-Bestand wurde automatisch vorverarbeitet, um insbesondere mehrere Attribute
für Namen und Fußwege zusammenzuführen. Auch die Zuordnung und die Berechnung der
Qualität pro Straßenobjekt geschieht vollautomatisch. Das Ergebnis ist eine Tabelle der
NAVTEQ-Objekte mit zugeordneten OSM-Segmenten und -objekten sowie den zugehörigen Ähnlichkeitskriterien und dem Vergleich der thematischen Attribute.
4 Ausblick
Die vorgestellte Arbeit bietet viele Fortsetzungsmöglichkeiten. Die Untersuchung kann
periodisch wiederholt werden, um die Qualitätsänderung in OSM zu dokumentieren. Werden die relativen Qualitätswerte steigen und ließe sich daraus schließen, dass der
NAVTEQ-Datenbestand als Referenzbestand noch geeignet ist?
Unsere Methode kann verbessert werden, indem die Zuordnung durch Nachbehandlung in
weiteren Spezialfällen korrigiert wird. Die Zuordnung kann aber auch jetzt schon genutzt
werden, um Marktdaten von NAVTEQ-Objekten auf OSM-Objekte zu übertragen. Zuordnung und Qualitätsbeurteilung können auf die gesamten Datenbestände ausgebaut werden,
beginnend mit Deutschland. Die Methode sollte ferner auf die Topologie ausgedehnt werden. Ihre Qualität ist wichtig, wenn man das Straßennetz von OSM für Navigationsdienste
benutzen möchte. Interessant für die Standortanalyse wäre schließlich eine Zuordnung der
Spezialziele, die ja eine besondere Stärke von OSM sind.
Ein Vergleich der Straßennetze von OpenStreetMap und NAVTEQ
419
Literatur
HAKLEY, M. (2008): How good is OpenStreetMap information? A comparative study of
OpenStreetMap and Ordnance Survey datasets for London and the rest of England. –
http://www.ucl.ac.uk/~ucfamha/OSM%20data%20analysis%20070808_web.pdf
(10.12.2009).
ISO 14825 (2004): Intelligent transport systems-Geographic Data Files(GDF)-Overall data
specification.
ISO 19113 (2002): Geographic information - quality principles.
JOOS, G. (2000): Zur Qualität von objektstrukturierten Geodaten. Dissertation, Universität
der Bundeswehr München.
LUDWIG, I. (2010): Abbildung von Straßendaten für Qualitätsuntersuchungen – Ein Vergleich von OpenStreetMap mit Navteq. Universität Bonn, Diplomarbeit.
MÜLLEGER, C. (2007): Grundlagen der Datenqualität (ISO19113) –
http://homepage.univie.ac.at/wolfgang.kainz/Lehrveranstaltungen/Seminar/
2006%20WS/Muellegger_Text.pdf (10.12.2009).
NAVTEQ (2008): NAVTEQ's NAVSTREETS Street Data: Reference Manual v3.0. 2008.
– http://faculty.unlv.edu/jensen/gisdata/navteq/TechnicalReference/
NAVSTREETS_Reference_Manual_v3.pdf (10.12.2009).
NEIS, P. & ZIPF, A. (2006): Realisierung der Tourenplanung für ein Emergency-Route-Service auf Basis der OpenLS Spezifikation. AGIT 2006.
RAMM, F. & TOPF, J. (2009): OpenStreetMap: Die freie Weltkarte nutzen und mitgestalten.
2. Aufl. Berlin, Lehmanns Media.
WALTER, V. & FRITSCH, D. (1999) Matching spatial data sets: a statistical approach. In:
International Journal of Geographical Information Science, 13 (5), S. 445-473.
ZIELSTRA, D. & ZIPF, A. (2009): Datenqualität von OpenStreetMap – Erste Ergebnisse
empirischer Untersuchungen. AGIT 2009.