User:Supaplex030/Parkplatzanalyse Richardkiez

Abb. 1: Parkmöglichkeiten im Berliner Richardkiez: Längs-, Schräg- und Querparken sowie Parkplätze, Garagen und Tiefgaragen.

Zusammenfassung: Diese Parkplatzanalyse demonstriert am Beispiel des Berliner Richardkiezes, wie OpenStreetMap-Daten zur Zählung und Auswertung von Parkplätzen (für KfZ) im Stadtraum genutzt werden können. Sie dient als Test, welche Datenqualität damit erreicht werden kann und welche Empfehlungen für das Erfassen von Parkplatzdaten in OSM sich daraus ergeben. Die Parkplatzanalyse ergibt, dass die OSM-Daten – soweit in Bezug auf parkplatzrelevante Daten vorhanden – mit vergleichsweise einfachen Mitteln zu einem aussagekräftigen Ergebnis verarbeitet werden können und das entstandene Modell einen überwiegenden Teil der in der Realität vorhandenen Parkplätze exakt abbildet. Abweichungen ergeben sich vor allem aus ungenau kartieren oder fehlenden Daten und sind daher kontrollierbar und vermeidbar. Insbesondere (dichtes) Quer- und Schrägparken sollte dabei feinteiliger kartiert und Einfahrten sowie Fußgängerüberwege konsequent erfasst werden. In Kreuzungsbereichen, an Einfahrten oder auch Fußgängerüberwegen etc. ist feinteiliges Mappen dagegen nicht unbedingt notwendig. Eine detaillierte Anleitung, wie diese Analyse ohne größeres Fachwissen mit QGIS durchgeführt werden kann, ist hier zu finden. Eine Wiederholung dieser Analyse mit einigen weiteren Auswertungen habe ich am praktischen Beispiel der Hermannstraße durchgeführt: Die Ergebnisse sind hier zu finden.

Daten

Ziel ist es, eine möglichst genaue Anzahl und Lage von KfZ-Parkplätzen im Neuköllner Richardkiez zu erhalten. Das Untersuchungsgebiet erstreckt sich zwischen der Saalestraße im Süden, Hermann- und Karl-Marx-Straße im Westen bzw. Osten (Hauptverkehrsstraßen, nicht mit in die Auswertung einbezogen) und Ganghofer- und Innstraße im Norden (Ausschnitt auf OSM).

Für das Parken im Untersuchungsraum sind die folgenden Objekte relevant:

• Parkspuren im Straßenraum (parking:lane=*)
• Parkplätze und Parkhäuser (amenity=parking)
• Garagen (building=garage bzw. building=garages)
• Tiefgaragen (amenity=parking_entrance).

Parkspuren sind im Untersuchungsraum flächendeckend erfasst bzw. letzte Lücken wurden vor diesem Test geschlossen. Bei den anderen POI's muss davon ausgegangen werden, dass vereinzelt Objekte nicht in OSM erfasst sind (insbesondere Parkplätze und Garagen in Hinterhöfen, die sich nur schwer vor Ort oder auf Luftbildern erkennen lassen). Welche Fehlerquote sich daraus ergibt, wird am Ende auf Grundlage der Gesamtzahl der Parkplätze abgeschätzt (Spoiler: Sie ist gering!).

Die Objekte wurden wie folgt in der Auswertung berücksichtigt:

Parkspuren

Im Untersuchungsraum gibt es neben dem verbreiteten Längsparken (parallel zur Fahrbahn) auch Abschnitte, in denen Schräg- oder Querparken zugelassen ist und damit eine höhere Fahrzeugdichte erreicht wird. Aus der Länge eines Straßensegments kann auf die Anzahl der Parkplätze nach folgendem Schema geschlossen werden:

• Längsparken: 5,3 Meter pro Fahrzeug
• Schrägparken: 3,1 Meter pro Fahrzeug
• Querparken: 2,6 Meter pro Fahrzeug

Ermittelt wurden diese Werte auf Grundlage beispielhafter lückenlos beparkter Straßenabschnitte, deren Parkplatzanzahl aus Luftbildern ermittelt wurde (links und rechts beziehen sich auf die Linienrichtung des Straßenobjekts in OSM):

Straßenabschnitt	Länge des Abschnitts	Parkplätze
Längsparken (5,3 m)
Berthelsdorfer Straße (beidseitig)	164 m	31
Wörnitzweg (links)	82 m	16
Schöneweider Straße (beidseitig)	190 m	34
Braunschweiger Straße (zwischen Wipperstraße und Zeitzer Straße) (beidseitig)	162 m	31
Uthmannstraße (rechts)	223 m	42
Schrägparken (3,1 m)
Niemtzstraße (links)	145 m	54
Zwiestädter Straße (links)	128 m	43
Brusendorfer Straße (rechts)	107 m	32
Schwarzastraße (links)	75 m	25
Mareschstraße (links)	103 m	31
Hertzbergstraße (links)	95 m	30
Querparken (2,6 m)
Richardstraße (rechts)	65 m	25
Niemetzstraße (links)	72 m	28

Parkplätze

Abb. 2a und 2b: Verhältnis zwischen Fläche und Kapazität bzw. zwischen Gesamtfläche und Fläche pro Fahrzeug aller in Berlin in OSM erfassten Parkplätze.

Aus der Zählung ausgeschlossen wurden Kundenparkplätze (access=customers), da diese sich nicht zum dauerhaften Parken eignen. Da bei vielen Parkplätzen eine Angabe zur Gesamtzahl der Standflächen (capacity=*) fehlt, wurden dafür Mittelwerte aus allen Parkplätzen Berlins mit Kapazitätsangabe ermittelt: Wie viele Fahrzeuge passen also im Durchschnitt pro Fläche auf einen Parkplatz?

• für 765 Parkplätze in Berlin ist eine capacity erfasst (Overpass-Abfrage)
• Um Verfälschungen durch mehrstöckige Parkplätze bzw. Parkhäuser zu vermeiden, wurden nur die 545 ebenerdigen Parkplätze berücksichtigt (parking=surface)
• größere Parkplatzgeometrien umfassen offenbar auch mehr Zufahrtswege und andere nicht zum Stehen geeignete Flächen
• als einfaches Modell wird daher angenommen (Medianwerte, vgl. Abbildung 2b):
  • Bei Parkplätzen mit einer Fläche von < 150 m² ergeben sich 14,8 m² pro Fahrzeug,
  • Bei Parkplätzen mit einer Fläche von > 150 m² ergeben sich 29,1 m² pro Fahrzeug.

Garagen

Abb. 3: Verhältnis von Fläche und Kapazität von in Berlin in OSM erfassten Garagen.

Analog wurde die Anzahl der Standplätze in Garagen ermittelt: Aus 46 in OSM erfassten Objekten in Berlin mit einer angegebenen Kapazität ergibt sich eine mittlere Fläche von 18 m² pro Fahrzeug.

Tiefgaragen

Die Anzahl von Parkplätzen in Tiefgaragen ist nur selten erfasst, da diese schwer zugänglich und nicht auf Luftbildern erkennbar sind. Im Untersuchungsraum gibt es lediglich zwei in OSM erfasste Tiefgaragen, die jeweils unterhalb von Parkplätzen liegen. Deren Kapaziät wurde auch für die darunterliegenden Tiefgaragen angenommen.

Ergänzung: In einer weiteren Parkplatzanalyse rund um die Neuköllner Hermannstraße habe ich Tiefgaragen einbezogen, die als WMS-Ebene im ALK-Layer aus dem Berliner Geoportal vorliegen. Um von der Fläche einer Tiefgarage auf ihre Stellplatzkapazität zu schließen, habe ich einen Mittelwert aller bei OSM als Polygon erfassten Tiefgaragen Europas mit Kapazitätsangabe ermittelt (mehrere 100 Stück). Analog zu Parkplätzen ergab sich dabei ein Wert von 14,8 m² pro Stellplatz, im Gegensatz zu oberirdischen Parkplätzen konnte ich jedoch keinen Zusammenhang mit der Größe des Objekts feststellen.

Bearbeitung und Auswertung

Die oben genannten Daten wurden über Overpass bzw. das OSM-Plugin in QGIS geladen und dort weiter verarbeitet. Dauerhafte Halte- und Parkverbote sind bereits durch parking:lane=* berücksichtigt. Temporäre Einschränkungen, z.B. Parkverbote an Werktagen oder Parkspuren zum Ein- und Ausladen oder Laden von Elektrofahrzeugen parking:condition=* wurden für diese exemplarische Auswertung nicht berücksichtigt, da sie im Untersuchungsraum nur eine untergeordnete Rolle spielen, noch nicht flächendeckend in OSM erfasst sind und zudem den Aufwand der Auswertung enorm erhöhen.

Die zentrale Herausforderung der Auswertung besteht darin, Straßensegmente, auf denen nicht geparkt werden kann, aus der Auswertung auszuschließen. Dazu zählen Abstände um folgende Objekte, die ebenfalls aus OSM in QGIS geladen wurden:

Objekt	Abstand	Quelle	OSM-Objekt
Kreuzungen	18 m vom Linienschnittpunkt	nach StVO 5 m von den Schnittpunkten der Fahrbahnkanten + eine angenommene mittlere Fahrbahnbreite von 8 m (siehe unten).	ergibt sich aus Staßenlinien
Fußgängerüberwege	4 m entlang des Überwegs	aus Stichproben üblicher (oft unmarkierter) Überwege im Untersuchungsraum ermittelt	highway=crossing
Einfahrten	4 m entlang der Einfahrt	nach StVO soweit, dass die Ein-/Ausfahrt möglich ist, etwa 3-6 m	highway=service
Bushaltestellen	15 m vor und hinter	StVO	public_transport=stop_position
Fahrradständer im Fahrbahnbereich	entsprechend ihrer Geometrie	Geometrie des OSM-Objekts	amenity=bicycle_parking mit bicycle_parking:position=lane

Vor der finalen Auswertung wurden einzelne Objekte händisch geprüft aus der Auswertung entfernt: Einzelne Fugängerüberwege, die de facto keine sind, sondern nur Gehwegeinmündungen, die nicht mit Haltebeschränkungen verbunden sind, sowie einige Garagen, die offensichtlich nicht dem Privatparken dienen (Bauhöfe o.ä.).

Für Kreuzungen wurde ein konstanter Abstand von 18 Meter zum Kreuzungspunkt gewählt, da die Straßen im Untersuchungsgebiet (überwiegend Wohngebiet) hinsichtlich ihrer Breite alle ähnliche Merkmale aufweisen (angenommene, in Stichproben ermittelte Breite: 8 Meter + jeweils 5 Meter Abstand zur Fahrbahnkante). Für eine automatisierte, großflächige Analyse könnte die Straßenbreite aus Breiteninformationen (width=*), der Anzahl der Fahrspuren (lanes=*) oder der Art der Straße (highway=*, z.B. breitere Hauptstraßen, engere Nebenstraßen) ermittelt werden.

Da Kreuzungen und Einfahrten oft nur einseitige Parkbeschränkungen nach sich ziehen (T-Kreuzungen, im Gegensatz zu X-Kreuzungen), kann der Beschränkungsradius nicht generisch um den Kreuzungspunkt abgezogen werden, sondern muss auf die Seite der Einmündung beschränkt werden. Dafür wurden die Parkspursegmente – die getrennt für beide Straßenseiten vorliegen – in QGIS mit dem Puffer, der um alle Kreuzungspunkte gezogen wurde, verschnitten. Auf den Seiten, auf denen Straßen oder Einfahrten einmünden, wurde das jeweilige Parkspursegment entfernt, auf der gegenüberliegenden Seite dagegen nicht.

In letzter Zeit werden in Berlin und Neukölln zunehmend Fahrradständer im Fahrbahnbereich errichtet. Um die Lage von Fahrradständern (Gehweg, Fahrbahn etc.) in OSM abzubilden, wurde dafür in Neukölln ein Schema entwickelt, dass in dieser Auswertung Berücksichtigung gefunden hat (bicycle_parking:position=*, noch undokumentiert). Die Fläche von Radabstellanlagen wurde entsprechend ihrer Geometrie auf der jeweiligen Fahrbahnseite von der Parkspur abgezogen. Nur eine Radabstellfläche war als Punkt (und nicht als Fläche) kartiert: In diesem Fall wurde aus der Kapazität auf eine vergleichbare Fläche geschlossen. Auch Bushaltestellen wurden nur auf der Fahrbahnseite von der Parkspur abgezogen, auf der sie sich befinden.

Ergebnis

Abb. 4: Heatmap-Visualisierung der Parkplatzdichte siehe uMap.

Insgesamt wurden 4137 Parkplätze ermittelt, davon 3538 (86%) am Fahrbahnrand auf Parkspuren. Dieser Wert entspricht zugleich etwa der Anzahl von privaten KfZ, die in diesem Gebiet erwartet werden müssten.

Eine Heatmap bzw. die Verteilung der Parkplätze ist auf dieser uMap zu sehen (siehe auch Abbildung 4). Die Parkplätze verteilen sich im Einzelnen über diese Objekte:

Objekt	Parkplatzkapazität
Parkspuren	3538
Parkplätze	65
Parkhaus Donaustraße	290
Garagen	244

Plausibilitätstest

Abb. 5: Verhältnis verschiedener Parkmöglichkeiten an der Gesamtzahl aller Parkplätze im Berliner Richardkiez.

Das Ergebnis des Parkplatzmodells kann die oben genannten und händisch ausgezählten Parkkapazitäten insbesondere beim Längsparken sehr gut wiedergeben (jeweils höchstens ein Parkplatz Abweichung zur Realität). Vor allem beim Quer- und Schrägparken ergeben sich jedoch zum Teil signifikante, aber leicht erklärbare und vermeidbare Abweichungen:

• Meist sind Straßenabschnitte zwischen zwei Querstraßen auf gesamter Länge einer Parkplatzart zugeordnet (z.B. Schrägparken). In der Realität gibt es an den Einmündungen jedoch oft längere, weit über den Kreuzungsbereich hinausgehende Teilabschnitte, in denen lediglich Längsparken möglich ist. Hierdurch ergeben sich deutliche Abweichungen (z.B. Niemtzstraße: 64 berechnete statt 54 gezählte Fahrzeuge, Schwarzastraße: 39 statt 25, Hertzbergstraße: 49 statt 30, Richardstraße: 40 statt 25).
• Vereinzelt fehl(t)en (Hof-)Einfahrten im Untersuchungsgebiet in OSM (in der Brusendorfer Straße wurden daher 38 statt 32 Fahrzeuge berechnet, in der Niemetzstraße 36 statt 28).

Die "Dunkelziffer" von Parkplätzen außerhalb von Parkspuren fällt nur wenig ins Gewicht, da sich 86% der einbezogenen Parkplätze aus (gut erfassten) Parkspuren ergeben – ohne die Berücksichtigung des Parkhauses Donaustraße sogar 92%. Selbst wenn es – in einer eher pessimistischen Annahme – doppelt so viele Garagenkapazitäten gäbe (Garagen scheinen jedoch bereits gut erfasst) und sich hypothetisch an 25 Standorten in Hinterhöfen je 6 Parkplätze befinden würden, wäre der Fehler noch immer unter 10%. Würde man für jede Einfahrt (85 Stück) annehmen, dass sich dahinter 4 Parkplätze verbergen würden, läge der Fehler bei 14%.

Die Parkplatzanalyse zeigt insgesamt, dass die OSM-Daten mit vergleichsweise einfachen Mitteln (auch für einen GIS-Anfänger wie mich) zu einem aussagekräftigen Ergebnis verarbeitet werden können und das entstandene Modell einen überwiegenden Teil der in der Realität vorhandenen Parkplätze exakt abbildet. Abweichungen ergeben sich vor allem aus ungenau kartieren oder fehlenden Daten und sind daher kontrollierbar und vermeidbar.

Schlussfolgerungen für die OSM-Mappingpraxis

• Feinteiligeres Mapping insbesondere beim Quer- und Schrägparken würde den größten Beitrag zur Fehlerreduktion liefern.
• In Kreuzungsbereichen, an Einfahrten, Fußgängerüberwegen etc. ist feinteiliges Mappen dagegen nicht unbedingt notwendig, da dies durch statische Puffer in Parkplatzmodellen ausreichend genau abgebildet werden kann.
• Hofeinfahrten und Fußgängerüberwege müssen dafür aber konsequent erfasst sein!

Anwendungsfälle

Für eine weitergehende Analyse müssten diese Daten nun weiter mit Bevölkerungsdaten bzw. Bevölkerungsdichten verglichen werden. Wo gibt es in Relation zur Parkplatznachfrage besonders viele Parkplätze? Daraus ergeben sich Anwendungen wie:

• Parkplatzleitsysteme oder Parkplatzempfehlungen könnten dazu beitragen, Parksuchverkehr zu vermeiden.
• Im Rahmen der Verkehrswende wird die Aufteilung des Stadt- und Straßenraums vielerorts neu diskutiert. Parkplatzanalysen können wertvolle Daten liefern, wo besonders viel Raum von Parkplätzen belegt wird oder wo Parkraum zugunsten von Radwegen o.ä. umgenutzt werden kann.

Eine spannende Anschlussmöglichkeit für weitere OSM-Analysen wäre, aus Gebäudeflächen und Stockwerksanzahl (building:levels=*) einen Bevölkerungsdichte-Index zu ermitteln oder andere Bevölkerungsdichte- oder Haushalts-Daten dafür heranzuziehen, soweit zugänglich. Diese Daten könnten dann beispielsweise nach Straßenabschnitten, einem festen Raster oder gewichtet nach Entfernungen mit den Parkplatzdaten verglichen werden, um für jeden Bereich einen relativen Parkplatz-Dichte-Wert zu ermitteln.