Hey Juan,

with “the rest of Europe has much less information available”, do you mean, there aren’t many street parking data available that are mapped in OSM? We recommend to map your own street parking data in OSM before working with the data – there are some nice tools for this purpose. We collected some information about this topic in our follow-up OSM parking project: https://parkraum.osm-verkehrswende.org/participate/ (in German language, but maybe you can translate it automatically).

Best, Alex

Thanks for your guidelines. It is a good and clear tutorial, especially for beginners in the field working with iD Editor, who (as experience shows) make many mistakes when mapping sidewalk networks, e.g. do not connect them in a routable way.

For documentation: there is also a detailed tagging guide from Berlin (in German language): https://wiki.openstreetmap.org/wiki/Berlin/Verkehrswende/Gehwege.

There are, in my opinion, two completely unclear or controversial detail issues in this topic, on which we as a community still need to build and document a consensus:

1.) The issue of the “name” of sidewalks. Using “name” on sidewalks is controversial and rather atypical. The Berlin Guide works with the “AddOn” of the sidepath proposal and recommends “is_sidepath:of:name”, but thats also outdated, as this tagging will not be included in the next version of the sidepath proposal. So this question is completely unresolved.

2) The question of how far the crossing segments should extend or how the connecting pieces between the sidewalks and the carriageway areas should be tagged. From a physical point of view they belong to the sidewalk, from a routing and generalization point of view they should remain crossings. Some mappers split the line at the kerb, some don’t, etc. Here we need to get a feeling in the community and document a recommendation.

In Berlin, we also have a clear definition of when to use a crossing node and when not to. This can be easily defined (at least in Germany) by the right of way: If there are vehicles that have priority over pedestrian traffic on the crossing lane (i.e., pedestrians must yield right of way), then a crossing node is needed to indicate this. If, on the other hand, the vehicles have to give priority to the crossing pedestrian traffic, no crossing node is set. Therefore, there should normally be no crossing node on driveways.

There are growing approaches to establish more objective criteria for smoothness tagging. If these are taken into account, it is a useful attribute with clear benefits. A detailed overview with pictures and semantic descriptions in different categories and for different vehicles can be found here: (in German language) – (translated and supplemented by an English-speaking mapper) – (see also this discussion with comments from other mappers).

In some nuances it is certainly debatable, but it is already very suitable for distinguishing “good” from “bad” surfaces. I don’t use Komoot, but I know from conversations with the developers that they consider “smoothness” and charge worse surfaces with routing panalties.

Oh, sehr interessant! Danke für die Ergänzung (und den Hinweis auf diese Skalen im Wiki). Zumindest IRI scheint mir von der Klassifikation her auch gar nicht so weit entfernt vom smoothness-Gebrauch in OSM.

Allerdings stelle ich mir die Kallibrierung für den “Hobbygebrauch” relativ schwierig vor, selbst wenn man an genormte IRI-Daten für Teststraßen kommen sollte. Denn wenn ich an das hier beschriebene Experiment zurückdenke (was wie erwähnt eine fixe Idee an einem freien Abend war), gibt es ziemlich viele Faktoren, die man während der Messung konstant halten muss, vor allem was das Fahrverhalten/Geschwindigkeit, aber auch die Befestigung des Sensors/des Smartphones angeht. Aber gut, wer gezielt Oberflächenqualitäten auf diese Weise erfassen will, der wird das schon hinbekommen…

Genial wäre tatsächlich eine Plattform, auf der man solche Erschütterungsprofile vergleichbar und als OpenData sammeln könnte (Plugin für Mapillary und Co :), dann kann man einerseits aus dem Vergleich der Strecken eines einzelnen Users sein persönliches Profil kalibrieren, andererseits mehrere Werte für die gleiche Strecke von verschiedenen Befahrungen oder Usern mitteln. In Summe sollte dann doch eigentlich ein guter Eindruck der Oberflächenqualitäten erkennbar sein… Offenbar gibt es ja bereits Anwendungen in dieser Richtung (siehe andere Kommentare oben), aber nicht als offene Plattform. Vielleicht tut sich ja mittelfristig noch was – immerhin sind die Sensoren in handelsüblichen Smartphones auch noch nicht ewig so gut, dass sie sich für solche Anwendungen eignen…

@JIDB: Danke für diesen spannenden Hinweis! Hoffentlich veröffentlicht die Hochschule noch etwas frei zugängliches dazu – die Teilnahme an der Konferenz ist leider kostenpflichtig und im erwähnten Magazin “Straßenverkehrstechnik” bin ich auch nicht fündig geworden: https://www.strassenverkehrstechnik-online.de/strassenverkehrstechnik/heftarchiv/svt-01-2021.html.

From the perspective of a mapper mapping in the area where these images of yours are taken, all I can say is: amazing! The elevated perspective (and good picture quality) really take the quality and possibilities of mapping to a new level. Thanks alot, also for documenting your method. I wish more users would document their working techniques (also for other forms of data collection, mapping, or whatever) so that the community can lern and build on these experiences.

@Protoxenus @aharvey: Since this was only an experiment and my first attempt to this topic, I used the first app I found. There are definitely better ways to record! My app was called “Accelerometer Analyzer”. It can record movement data rudimentarily and outputs it in a text format, which I then processed in LibreOffice Calc.

Linking the GPS path and movement data should actually be possible as long as the movement data is recorded in a reliably constant interval. So you could subsequently correlate GPS time stamp and movement data. Of course, an app that records both directly together would be ideal.

@westnordost: One could also standardize the “vibration behavior” of each individual contributing user on the basis of their total tracks/measurements. In comparison with the data of other users or already recorded smoothness values, one could determine an individual value for over- or underestimation. But this requires that every user is always on the same bike / vehicle and always with the same smartphone holder etc. (and have already covered and measured certain tracks with different surfaces).

Interessant, nein, das Oldenburger Projekt kannte ich noch nicht. Die hier beschriebene Vibrationsmessung war mehr oder weniger eine spontane Idee an einem freien Abend, ohne dass ich mich theoretisch tiefer damit befasst habe - ich war eher neugierig, ob das überhaupt sinnvoll durchführbar ist. Da das aber offenbar der Fall ist, sind Probleme wie die Spurführung auf jeden Fall etwas, was man bei weiterer Anwendung beachten sollte! In meinem Fall habe ich nur eine gepflasterte Straße mit verschiedenen Geschwindigkeiten (etwa auf der gleichen Straßenseite) befahren, um einen Eindruck der geschwindigkeitsabhängigen Unterschiede zu bekommen (siehe Kommentar oben). Meiner Meinung nach wäre für Messungen die Mittellinie empfehlenswert (bzw. die belagsunabhängige “Ideallinie” je nach Fahrzeug, z.B. mit einem Fahrrad im rechten Fahrbahn-/Radwegbereich etc.), da ich den allgemeinen Straßenzustand wiedergeben möchte, vielleicht auch nicht von jedem Verkehrsteilnehmer einen Schlingerkurs erwarten kann bzw. diese Fälle dann auch gern mit einer penalty im Routing belegen würde… Der Einfluss von unregelmäßigen Erschütterungen (wie Wurzelschäden) stellt wohl generell eine Herausforderung dar, auf die ich hier gar nicht eingegangen bin. Selbst wenn man diese numerisch (mit einer Kategorisierung z.B. nach Median, Varianz und/oder bestimmten Quantilwerten) gut abbilden kann, bleibt die Frage, wie man z.B. eine sehr gute Fahrbahn mit gelegentlichen oder sogar nur seitenweisen Wurzelschäden mit dem OSM-Schema abbildet…

Thanks for your comments! In my first sample I rode the same cobblestone street for two times: With a speed of arround 15-17km/h I got a acceleration median of 6.2 m/s², with arround 7 km/h it was only 4.6 m/s². So the speed is very important (although it’s clear that both values represent a “bad” smoothness). For automatic measurement purposes a constant speed seems necessary (or an speed based post-measurement normalisation).