HeiGIT und das Amsterdam University Medical Center (UMC) haben sich zusammengetan, um „Food-Environments“ mit Hilfe von OpenStreetMap-Daten (OSM) zu untersuchen. Der Begriff „Food-Environments“ beschreibt die physischen, ökonomischen, politischen und sozio-kulturellen Umstände, die beeinflussen, welche Lebensmittel verfügbar sind und wie Menschen diese erhalten, zubereiten und konsumieren. Das UMC analysiert, wie sich die Nähe zu verschiedenen Kategorien von Lebensmittelgeschäften auf die Gesundheit auswirkt. Es wird davon ausgegangen, dass die Entfernung zu Einzelhändlern einer bestimmten Kategorie sowie die Anzahl dieser Einzelhändler die Gesundheit der in einem Gebiet lebenden Menschen beeinflussen kann. Diese Analyse ist Teil des europäischen EXPANSE-Projekts, eines fünfjährigen Forschungsprojekts, dessen Fokus auf dem städtischen Exposom liegt. Dieses projekt umfasst alle umweltbedingten Faktoren für Gesundheit und Krankheitent. Am EXPANSE-Projekt sind 20 akademische und nichtakademische Partner*Innen in 14 europäischen Ländern und den USA beteiligt.
Um eine solche Analyse durchzuführen, benötigt man verlässliche, aktuelle Informationen zu Lebensmittelhändler*innen. OSM könnte eine Quelle für solche Informationen sein, da die Daten, die es über Europa enthält, in der Regel sehr aktuell und vollständig sind. In Bezug auf das Gebiet, dessen Food-Environments analysiert werden sollen, muss diese Annahme jedoch erst geprüft werden. Dies war die Aufgabe des HeiGIT-Teams.
Ergebnisse der OSM Qualitätsanalyse
Wir betrachteten acht unterschiedliche Kategorien von Essens- oder Getränkehändler*innen, die in OSM – verbreitet über 17 Interessensgebiete (AoIs – Areas of Interest) in Europa – kartiert sind und haben ihre Vollständigkeit und Aktualität berechnet. Jede AoI bestand aus mehreren NUTS-3 Polygonen. Für jede Kategorie von Lebensmittelhändler*innen wurden in jedem Polygon zwei OSM-Qualitätsindikatoren berechnet, also 16 Indikatoren pro Polygon. Die Ergebnisse der Indikatoren wurden in einem Bericht zusammengefasst, der den Durchschnitt der angegebenen Qualität aller Händlerkategorien anzeigt. Weist jedoch einer der Indikatoren eine geringe Vollständigkeit oder eine geringe Aktualität auf, wird das Gesamtergebnis ebenfalls als von „geringer Qualität“ gekennzeichnet. Diesem Ansatz folgend kann OSM nicht als Datenquelle für die Analyse in dem jeweiligen Bereich dienen, wenn ein einzelner Qualitätsaspekt der Daten unzuverlässig ist.
Das Gesamtergebnis und die Ergebnisse der Vollständigkeitsindikatoren wurden zu jedem Polygon pro AoI als Attribute hinzugefügt. Die dadurch generierten GeoJSON-Dateien wurden den Projektpartner*Innen zur Verfügung gestellt, um die Ergebnisse mit GIS visualisieren, damit sie beurteilen können, für welche Teile ihrer AoIs OSM eine geeignete Datenquelle ist. Es ist auch möglich, die Vollständigkeit für jede Händlerkategorie zu visualisieren. Die Visualisierung der Ergebnisse auf Karten bietet einen schnellen Überblick über die Qualität der OSM-Daten und ermöglicht einen Vergleich zwischen verschiedenen Regionen. Eine Anleitung zur Visualisierung der Ergebnisse unserer ohsome quality API in QGIS haben wir in diesem Blogpost veröffentlicht: Visualizing OQT API Results in QGIS.
Für die tiefere Analyse einer Region wurde pro Polygon ein Qualitätsbericht erstellt und übermittelt. Diese Berichte enthalten die Gesamtbewertung der Qualität sowie die Ergebnisse der 16 Indikatoren. Den Indikatorergebnissen sind eine Beschreibung und Grafiken beigefügt, die die jeweilige Punktzahl näher erläutern. Nachfolgend sind die Zahlen der Datenqualitätsindikatoren für die Kategorie „Restaurants“ aus dem Qualitätsbericht einer der Regionen in der Schweiz dargestellt.
Abbildung 2 zeigt die Anzahl der in OSM kartierten lokalen Lebensmittelläden und eine angepasste Kurve für diese Daten. Wenn das Wachstum der angepassten Kurve minimal ist, kann davon ausgegangen werden, dass keine neuen Features zu OSM hinzugefügt werden können, da alle Features bereits kartiert sind. Die Kartierung ist also gesättigt und OSM ist in Bezug auf die entsprechenden Merkmale nahezu vollständig.
Abbildung 3 zeigt das Datum der letzten Bearbeitung der jeweiligen Merkmale innerhalb des Interessengebiets oder wann sie erstellt wurden. Dieser Indikator zeigt nicht die Vollständigkeit der Merkmale an, sondern bezieht sich auf die Datenqualität im Hinblick auf die Aktualität. Er gibt Auskunft darüber, ob Merkmale einmal angelegt, aber nicht aktuell gehalten wurden oder ob die Daten gepflegt werden.
Diese Ergebnisse bilden die Grundlage, auf der Projektpartner*innen entscheiden können, ob und für welche Bereiche OSM als Datenquelle für ihr Projekt genutzt werden kann. Auch wenn wir die Qualität der OSM-Daten bewerten können, ist es wichtig zu bestimmen, welcher Grad an Vollständigkeit und Aktualität „gut genug“ ist, damit die OSM-Daten für die Analyse verwendet werden können. Dies kann oft zu Komplikationen führen, da jedes Projekt je nach Forschung und Umfang ein anderes Qualitätsniveau erfordert.
Hintergrundinformationen
Besuche ohsome quality analyst (OQT), um mehr über die Qualitätsbewertung von OSM-Daten zu erfahren. Wenn Du die Vollständigkeits- und Aktualitätsindikatoren selbst ausprobieren möchtest, besuche das ohsome – dashboard. Auch im folgenden Blogpost erfährst mehr über die Integration der ohsome quality API (ehemals ohsome quality analyst) in das ohsome Dashboard: Version 1.0 der ohsome quality API und des ohsome Dashboards.
Hast Du Fragen oder möchtest mehr über unsere Tools erfahren? Dann kontaktiere uns gerne unter ohsome@heigit.org.