Release 1.0

Wir freuen uns, den GOAT Release 1.0 zu veröffentlichen! Somit sind wir unserem Ziel, GOAT zu einem nützlichen Planungsinstrument zur Gestaltung lebenswerter Räume zu etablieren, einen Schritt nähergekommen.

Dieser Meilenstein wurde nicht zuletzt durch die einjährige Förderung der Forschungsinitiative mFund, die vom Bundesministerium für Verkehr und digitale Infrastruktur bereitgestellt wurde, erreicht. Unser Projektziel war es GOAT zu verbessern und neue Funktionen einzubauen, die genau auf die Bedürfnisse der Praxis zugeschnitten sind.

Nach einem Jahr ist das Projekt nun erfolgreich abgeschlossen und wir freuen uns die GOAT Version 1.0 samt aller neuen Funktionen, die wir im Rahmen des Projektes entwickelt haben, vorzustellen. Einige ausgewählte Beispiele für die neuen Funktionen sind:

  • Fahrrad-Routing
  • Erstellung von Szenarien zur Flächennutzung, u.a. Hinzufügen, Löschen oder Anpassen von POIs (z.B. Platzierung eines neuen Kindergartens) und Gebäuden (z.B. Modellierung wie gut ein neues Wohngebiet mit Zielen des täglichen Bedarfs versorgt ist)
  • Mapillary Street-View Fotos, die Anwendenden helfen die lokale Situation einzusehen und Schwachstellen zu erkennen
  • Darstellung einer Vielzahl an räumlichen Datensätzen, wie z.B. Umweltdaten, Unfalldaten, Mode Share (nur für München), Qualität des Straßennetzwerkes (Querungsmöglichkeiten, wahrgenommene Radwegqualität bewertet durch MunichWays, Geschwindigkeitsbegrenzungen, etc.) und Daten zur Flächennutzung (von ATKIS und OpenStreetMap)
  • Ermöglichung des Datenimport und -export
  • Verbesserung der Bedienbarkeit
  • Zahlreiche Back-End Verbesserungen

Nach einer intensiven ersten Entwicklungsphase, wurden Testzyklen in Fürstenfeldbruck, unserem Entwicklungspartner, durchgeführt. Jeder Testzyklus beinhaltete einen Workshop mit 5-6 lokalen Anwendenden aus dem Bereich der Verkehrs- und Stadtplanung.

GOAT versteht sich als wertvolles Werkzeug für StadtplanerInnen und Entscheidungsträger, daher ist es am sinnvollsten ExpertInnen bereits in den Entwicklungsprozess einzubeziehen, um das Tool so praxisorientiert, wie möglich zu gestalten.

In diesen drei Testzyklen konnten die Teilnehmenden einerseits GOAT kennen lernen und erste praktische Erfahrungen damit sammeln. Andererseits haben sie wertvolles Feedback gegeben und machten konstruktive Verbesserungsvorschläge. Die Funktionen wurden nach jedem Testzyklus verbessert, sodass die Teilnehmenden bei jedem Workshop eine neue und verbesserte Version von GOAT testen konnten.

Projektablauf

Abbildung 1. Projektablauf

Im Rahmen des mFund Projektes haben wir mit drei Kommunen als Projektpartner zusammen gearbeitet: München, Fürstenfeldbruck und Freising. Nach den Testzyklen in Fürstenfeldbruck, organisierte das GOAT-Team noch weitere Planungs-Workshops mit je 6-10 Teilnehmenden in allen drei Partner-Städten.

Anders als bei den Testzyklen unseres Prototyps mit Anwendenden der Stadt Fürstenfeldbruck, lag der Fokus dieser umfangreicheren Workshops auf der Eignung des Tools für den Einsatz bei realen Planungsaufgaben. Den Teilnehmenden wurde hierfür eine bereits fortgeschrittene Version von GOAT zur Verfügung gestellt.

Zu Beginn der Workshops konnten sie sich zunächst mit dem Werkzeug und den Hauptfunktionen vertraut machen. Anschließend arbeiteten sie an Planungsaufgaben. Diese waren reale Planungsfragen aus dem Arbeitsalltag in den Kommunen. Jeder Workshop endete mit umfangreichem Feedback über Verbesserungsmöglichkeiten von GOAT und Vorschlägen zu neuen Funktionen. Einige der gewünschten Funktionen wurden bereits umgesetzt. Andere werden implementiert, sobald sich die Gelegenheit ergibt.

Auf die Planungs-Workshops folgte ein abschließender Synthese-Workshop, in dem die Erfahrungen aus allen drei Kommunen zusammengetragen wurden. Dieser Workshop wurde genutzt, um das Projekt zu bewerten und zukünftige Entwicklungsstrategien für GOAT zu definieren.

Insgesamt wurden mehr als 10 Workshops abgehalten. Einige davon persönlich, andere mussten wegen der Corona-Situation digital durchgeführt werden. Durch die Workshops erhielten wir wertvolles Feedback, um GOAT zu einem geeigneten und hilfreichen Planungsinstrument für eine aktive Mobilität zu entwickeln.

Das Feedback zur Nützlichkeit und Benutzerfreundlichkeit war sehr positiv. Außerdem wird das Tool bereits von lokalen StadtplanerInnen verwendet, was ebenfalls die Anwendbarkeit von GOAT verdeutlicht. Darauf sind wir sehr stolz, trotzdem sind wir noch lange nicht fertig mit der Entwicklung! Denn wir haben noch weitere Anfragen zu gewünschten Funktionen (z.B. Bereitstellung eines User-Logins, bessere Tutorials, Szenarien mit veränderten Wegeattributen, Einbezug der subjektiven Walkability, räumliche Ausweitung auf ganz Deutschland) erhalten, die wir in Zukunft angehen und umsetzen werden.

Unsere Arbeit im Rahmen des Projektes begrenzte sich nicht nur auf die Entwicklung des Tools, wir waren zusätzlich auch in unterschiedlichen Netzwerken aktiv. Um unser entwickeltes Tool publik zu machen und neue Personen, die auf diesem Feld arbeiten, kennen zu lernen, haben wir an unterschiedlichen mFund-Events, wie dem “Fachaustausch Fußverkehr” und “Fachaustausch Radverkehr” teilgenommen. Mit einigen Personen, die wir bei diesen inspirierenden Veranstaltungen kennen gelernt haben, stehen wir weiterhin im engen Kontakt und sind im regen Austausch.

Außerdem waren wir Teil der Interviewreihe “7 Fragen an …” in der Elias Pajares das Tool vorgestellt und Fragen zu GOAT beantwortet hat.

Open-Data ist die Grundlage unseres Projektes und wir sind stark von der Datenqualität abhängig. Daher haben wir aktiv mit eigenen Daten zur Open-Data-Community beigetragen, indem wir während der gesamten Projektlaufzeit eine große Menge OpenStreetMap-Daten (OSM) gesammelt haben. Wir schlossen systematisch Datenlücken und organisierten “Mapping Parties”, bei denen wir Newcomern die Welt der Open-Data aufzeigten und sie dafür begeistern konnten, neue Daten zu OSM beizutragen.

Außerdem haben wir viele Kilometer in Fürstenfeldbruck mit Mapillary erfasst. Durch Auslesen der Bildaten konnten wir die Attribute des Straßennetzwerkes vervollständigen. Das erlaubt uns die Art der Oberfläche und die Oberflächenglätte eines Weges oder einer Straße zu identifizieren und dadurch zu erkennen, ob sie für Fahrräder oder FußgängerInnen geeignet sind.

Wir haben auch innovative Ansätze zur Erfassung spezifischer Straßendaten einbezogen, indem wir ein prototypisches Sensorgerät genutzt haben. Mit diesen Sensoren konnten die Beschleunigungsdaten mit den Straßenbildern verlinkt werden, um so präzisere Informationen zu erhalten und dadurch ein tiefergehendes Verständnis der Straßenverhältnisse aufzubauen.

Neben der Verbesserung der Daten als solche, haben wir auch den Algorithmus für die Datenverarbeitung von GOAT verbessert. All das hat uns dabei verholfen, eine stabile und praxistaugliche Version 1.0 zu erreichen, die nun auf GitHub öffentlich zur Verfügung steht. Mit diesem Release präsentieren wir GOAT in einem neuen Look.

project timeline

Abbildung 2. Das überarbeitete GOAT-Interface, Visualisierung der Erreichbarkeit zu Kitas

Wir freuen uns über den Fortschritt und das Ergebnis unseres Projektes innerhalb der mFund Forschungsinitiative.

Unsere Strategie, PraxisanwenderInnen in den Entwicklungsprozess einzubeziehen hat sich bewährt und wir erhielten sehr wertvolle Einsichten in ihren Bedürfnissen. Wir werden weiterhin alles dafür tun, damit GOAT zu einem durch und durch nützlichen Planungstool für lebenswertere Städte und Gemeinden wird!

Weitere Blogeinträge

Die 15-Minuten-Stadt mit GOAT planen

Die 15-Minuten-Stadt ist ein weltweites Trendkonzept, basierend auf dem Prinzip der Nachbarschaftsmobilität, welches inklusive urbane Räume mit hoher Nutzungsdichte und -vielfalt voraussetzt.

Test innovativer Ansätze zur Datenerfassung

Was verbindet GOAT mit einem Projekt für Lieferroboter? Die Nutzung derselben Infrastruktur! Wir haben eine prototypische Sensorbox eingesetzt, um die automatisierte Erhebung von Straßendaten zu erproben.

Mapping Partys – ein spaßiger Weg um gemeinsam OSM-Daten zu verbessern

Der Lehrstuhl für Siedlungsstruktur und Verkehrsplanung organisiert regelmäßig Mapping-Partys mit dem Ziel die Qualität von OpenStreetMap OSM aktiv zu verbessern. OSM ist das prominenteste Beispiel einer durch crowdsourcing erhobenen open-source Datenbank.

Logo
Logo
Logo