Zum Inhalt springen

So holt man leicht Gebietsgrenzen für Infografiken aus Openstreetmap

Konrad Lischka
Konrad Lischka
3 minuten gelesen
So holt man leicht Gebietsgrenzen für Infografiken aus Openstreetmap

Das Ziel

Staaten, Bundesländer, Kreise, kreisfreie Städte, Stadtviertel – es gibt eine Menge Gebiete, für die man Daten auf Karten visualisieren kann. Die Umrisse solcher Gebiete lassen sich manuell aus Openstreetmap ziehen (hier eine Anleitung). Bei großen Karten ist das allerdings langwierig – etwa bei den 59 Kreisen und kreisfreien Städten in Nordrhein-Westfalen. Zum Glück gibt es da das großartige, kostenlose Hilfsmittel OSM Boundaries (Danke für den Tipp, Joost!) von Walter Nordmann. Hier eine Bedienungsanleitung.

Die Grenzen wählen

Die Bedienung von OSM Boundaries ist denkbar einfach. Entweder im Suchschlitz oben den Namen der Stadt oder des Bundeslandes oder Kreises eintippen. Dann klappt OSM Boundaries im Verzeichnisbaum links den richtigen Eintrag auf. Wichtig: Der Baum ist hierarchisch aufgebaut und man muss alle Ebenen (auch die darunter liegenden) bewusst auswählen.

screen-26-22-2015_01.22.36

Ein Beispiel: Ich habe einen Datensatz aus dem Mikrozensus Daten zu den Nettoeinkommen nach Städten und Kreisen im Bundesland Nordrhein-Westfalen. Also wähle ich im Baum links NRW aus, dann ein Rechtsklick und ich wähle „Select children“ aus. Nun sind die Regierungsbezirke aufgeklappt und deren Grenzen ausgewählt. Ich brauche aber noch die darunter liegende Ebene. Also wiederum bei jedem Regierungsbezirk Rechtsklick und „Select children“. Noch tiefer (das wären dann Stadtteile) muss ich nicht auswählen, so fein aufgeschlüsselt sind die Daten nicht.

Die Polygone exportieren

screen-26-24-2015_01.24.25
Ist die Auswahl komplett, wählt man ganz unten links das Exportformat aus. Hier kommt es darauf an, mit welchen Werkzeug man die Daten kombinieren und visualisieren will. Da ich zum Beispiel mit dem kostenfreien Google Fusion Tables arbeite, benötige ich die Grenzen der Kreise und kreisfreien Städte im KML-Format. Das bietet OSM Boundaries nicht als Exportformat an, aber das verfügbare json-Format ist eine gute Basis für die Konvertierung.

Konvertieren

Für die Konvertierung in das KML-Format bietet sich der Geoconverter der Hochschule für Technik Rapperswil an. Die von OSM Boundaries exportierte json-Datei hochladen, KML auswählen und herunterladen. Klappt bei mir für die Nutzung mit Fusions Tables zum Kombinieren und CartoDB zum Visualisieren problemlos. Eine Alternative ist z.B. Geojson.io.

Gebiete und Daten kombinieren

Nun muss ich die KML-Datei mit den Gebietsgrenzen und die CSV-Datei mit den visualisierenden Daten in einer Datei zusammenführen. Dazu eignet sich das kostenfreie Google-Werkzeug Fusion Tables gut.

Dort lade ich die KML Datei direkt hoch. Den Datensatz musste ich noch etwas aufbereiten vorher: Leerzeichen raus, Daten so sortieren, dass nur noch ein Wert je Zeile drinsteht (hier eine Anleitung, wie das mit Datawrangler geht)

Bevor man die beiden Dateien vereint, sollte man unbedingt noch prüfen, ob sich beides richtig zuordnen lässt. Man braucht in beiden Dateien ein Merkmal zum Identifizieren der richtigen Paare. Sprich: Die Werte zu den Nettoeinkommen für die Stadt Essen sollen mit den Stadtgrenzen Essens kombiniert werden. Damit das klappt, muss aber in beiden Dateien das Merkmal identisch benannt sein. Bei meinem Datensatz gab es eine Abweichung: Im Datensatz heißt Mettmann Mettmann, in der KML-Datei Kreis Mettmann.

screen-26-16-2015_03.16.08

 

Also habe ich das vorangestellte „Kreis“ gelöscht und dann die Daten über den Merge-Befehl zusammengeführt (anhand des Merkmals Localname).

screen-26-11-2015_03.11.57

Visualisieren

Die zusammengeführten Daten kann man als CSV-Datei aus Fusion Tables exportieren und bei CartoDB einlesen. Damit habe ich diese einfache Visualisierung gemacht (Anleitung):

Blog

Konrad Lischka

Projektmanagement, Kommunikations- und Politikberatung für gemeinnützige Organisationen und öffentliche Verwaltung. Privat: Bloggen über Software und Gesellschaft. Studien, Vorträge + Ehrenamt.
Immer gut: Newsletter abonnieren


auch interessant

Für digitale Nachhaltigkeit

(1) Das Netz ist in einem traurigen Zustand - gemessen am Anspruch der Diskurs und Demokratie auf ein neues Niveau zu heben Kleiner Rant über die Nachhaltigkeit des Internets als Ort des gemeinsamen Denkens: Ich glaube, das Netz ist insgesamt in einem traurigen Zustand. Es gibt großartige Nischen auf Mastodon,

Für digitale Nachhaltigkeit

gelesen & gelernt: japanische Schriften, niederländisches Entpflastern, intelligente Hühner & Maschinen

Warum Japanisch einzigartig ist Dieser Essay gibt einen anschaulichen Einblick in die Einzigartigkeit der japanischen Sprache. Als im 5. Jahrhundert die chinesische Schrift nach Japan kann, gab es dort eine seit Jahrhunderten gesprochene, weit ausdifferenzierte Sprache. Die chinesischen Schriftzeichen sind Logogramme. Jedes Zeichen trägt eine Bedeutung, nicht nur einen Klang.

gelesen & gelernt: japanische Schriften, niederländisches Entpflastern, intelligente Hühner & Maschinen

3 Body Problem konzentriert sich auf die entscheidende KI - kollektive Intelligenz

Das Tolle an der ordentlichen Verfilmung „3 Body Problem“ ist, dass es nicht um künstliche Intelligenz geht. Sondern um die andere, die entscheidende KI: kollektive Intelligenz. Die Serie dreht sich um die Frage, wie konstruktive Problemlösungen der Menschheit für Probleme der Menschheit gelingen können. Also für Probleme, die in 400

3 Body Problem konzentriert sich auf die entscheidende KI - kollektive Intelligenz