Hallo Sebastian, On Thu, Dec 20, 2018 at 02:37:38PM +0100, Sebastian Lisken wrote:
Das steckte ja auch schon im ersten Satz meines Wiki-Zitats drin. Aber du hast nichts zum zweiten Satz gesagt, den ich auch angesprochen hatte. Ich wiederhole ihn deshalb mal auf Deutsch: Man könnte das Tag fast überall anbringen und so die Datenbasis „verschmutzen“ ohne echten Nutzen, aber so kann man explizit festhalten, dass die Straße auf Rad-Infrastruktur hin durchsucht wurde. Weil hier höchstens oberflächlich untersucht wurde, spricht das für mich dafür, die Tags wieder zu entfernen.
Das ist das alte "redundanz" Thema und das können wir ignorieren. Im PBF Format werden gleiche strings nur exakt einmal enkodiert je buffer. D.h. zusätzliche gleichlautende tags sind quasi "umsonst". Zum anderen ist auch ein explizit gesetztes tag eine information. Und zwar das hier jemand nachgesehen hat und das es wirklich so ist. Ich habe vor 10 Jahren mal gemeint das ein "lit=no" quatsch ist. Überall wo das nicht da ist ist eben nicht beleuchtet. Damit habe ich aber von 3 Zuständen (Beleuchtet, Unbeleuchtet, Unbekannt) nur 2 dokumentiere Zustände. Ich habe meine Meinung dazu vor ein paar Jahren revidiert. Auch ein cycleway=no, lit=no, shoulder=no, sidewalk=no ergeben Sinn - Es hat jemand nachgesehen - es ist wirklich nicht da. Und da wo ich das hinzugefügt habe ist ein asphaltierter Wirtschaftsweg mit Wiese links und rechts. Da kannst du gerne nochmal hinfahren. Du wirst keinen Schutzstreifen oder Radweg finden. D.h. ein cycleway=no ist da schon angebracht. Ich bin im moment noch nicht wo ich gerne wäre aber für das wo ich mich wirklich interessiere (Gütersloh etc) werde ich die typischen Straßen attribute über kurz oder lang auf Vollständigkeit hin überprüfen und ergänzen. Das sind bei mir lit, shoulder, sidewalk, cycleway, lanes, surface, maxspeed, maxspeed:type Und IMHO sollte jede Straße diese Tags tragen. Und was die navigation/routingfähigkeit angeht. Ohne weitere tags die wirklich die Nutzbarkeit für Radverkehr anzeigt werden wir nicht weiterkommen. Aus den dokumentierbaren physischen Eigenschaften einer Straße kann ich keine Empfehlung aussprechen. Nur weil die Straße glatt ist oder einen Schutzstreifen hat kann ich da nicht ableiten das ich da fahren will. Die Anzahl der dinge die ich beim Radfahren optimieren wollen würde sind halt vieldimensional. Für einige ist Steigung doof, für mich wäre Lärm doof (Ich will nicht auf einem Radweg neben einer Bundesstraße fahren), andere finden die Absenz von Schutzstreifen, Radweg oder Beleuchtung inakzeptabel. Es gibt eben nicht die EINE Fahrradnavigation. Deshalb finde ich "brouter" da ja extrem Schick. Kann sich jeder seine eigene Navigation mit eigenem Profil bauen. http://brouter.de/brouter-web/ Fahrradnavigation ist eben um Größenordnungen komplizierter als Autonavigation. Was ich machen kann ist die physischen Eigenschaften von Straßen dokumentieren. Wenn das Einspurig ohne Radweg ist ist halt die Frage wieviele Autos fahren denn da? Wenn da viel los ist will ich da mit dem Rad auch nicht fahren. Wenn da wenig los ist ist das eine super Strecke. Aber wie bringen wir DAS bei OSM rein? Was meiner Meinung nach wirklich fehlt sind Flächendeckende Mobilitätsstatistiken. Auf welcher Straße fahren um welche Zeit wieviele "Fahrzeuge" mit welcher Geschwindigkeit. Und damit rennen gerade die Googles weg. Die haben über die Android Telemetrie genau diese Informationen. Ich habe durchaus schonmal überlegt ob man sowas wie "traffic profiles" definiert - Ich denke das ist wie mit Dachformen. Die wiederholen sich täglich und sind ziemlich deterministisch. D.h. man hat den Vormittags und Nachmittags Rushhour peak und dazwischen ein Plateau. Vermutlich Gibts da so 5-10 verschiedene die für 95% der Straßen und Fahrtrichtung passen. Das Profile gibt dann nur die Verkehrsverteilung über Zeit an. Dann braucht es noch einen Faktor der dann mit dem Profile für einen Zeitpunkt eine statistische Größe die zu erwartenden Fahrzeuge ergibt. Evtl hat das Profile noch einen timeshift/offset. Das wären also 2 Tags je Fahrtrichtung auf jeder Straße mit denen ich die Verkehrsbelastung näherungsweise Beschreiben könnte. Die Frage ist wie man die Zahlen erfasst. Jeweils für 24h einen Raspberry Pi mit einem Sensor an ein Straßenschild kleben? Oder in einen Gulli? Wie macht man die Erkennung? Akustisch? Ultraschall? Laser? Radar? Druckschlauch auf der Straße? Induktiv mit einer Matte? Lichtschranke? Ich hätte schon Spaß sowas mal anzugehen. Flo -- Florian Lohoff f@zz.de UTF-8 Test: The 🐈 ran after a 🐁, but the 🐁 ran away