OpenStreetMap (OSM) ist eine universelle, frei verfügbare, gemeinschaftlich erstellte und offene geografische Datenbank mit globalen Straßennetzwerken. Forschende nutzen OSM für eine Vielzahl an Themen der Radverkehrsforschung, insbesondere Routenwahl, der Fahrradfreundlichkeit und Radverkehrssimulation. Der nutzerbasierte Ansatz von OSM bringt jedoch erhebliche Lücken mit sich, wie fehlende oder falsch markierte Radwege sowie unvollständige Angaben zur Flächennutzung in bestimmten Gebieten. Um dieses Problem zu adressieren, können georeferenzierte Straßenpanoramen und Computer Vision-Methoden zur Objekterkennung eingesetzt werden.
Ähnliche Ansätze wurden bereits für Fahrradfreundlichkeit (Ito & Biljecki 2021), Begehbarkeit (Nagata et al. 2020) und Infrastrukturklassifizierung (Saxton 2022) genutzt. Diese Studien zielen jedoch nicht auf eine Anreicherung der OSM-Daten ab. Dieser Beitrag stellt eine CV-Methode vor – einen feinabgestimmten Mask2Former-Ansatz (Cheng et al. 2022) –, der für die Analyse von Straßenpanoramen eingesetzt wird. Zusätzlich kommt ein Detection Transformer (Carion et al. 2020) zum Einsatz, der auf deutsche Verkehrsschilder feinabgestimmt wurde. Die extrahierten Merkmale (z. B. Anteil an Straßen, Gebäuden, Grünflächen, sichtbarem Himmel) werden dem OSM-Netz zugeordnet und den jeweiligen Netzkanten zugewiesen. Diese Informationen können für weitere Forschungsziele wie z. B. dem Routenwahlverhalten genutzt werden. Zur Demonstration des Verfahrens wurden ca. 25.000 Straßenpanoramen im Stadtzentrum von Bietigheim-Bissingen (Deutschland) mit einer Abdeckung von 4,1 km² gesammelt. Die Attribute wurden mit den oben genannten CV-Methoden extrahiert, aggregiert und mittels Valhalla auf das OSM-Netz gematcht. Die entwickelte Methode hilft, Wissens- und Datenlücken zu schließen und neue Attribute zur Erweiterung der Fahrradforschung zu identifizieren. Die nächsten Schritte beinhalten eine gezielte Anpassung der Bilderkennungsalgorithmen an die deutsche Radverkehrsinfrastuktur sowie eine Validierung zwischen in OSM verzeichneter und in der Infrastruktur innerhalb der Straßenpanoramen.