Das Modul berechnet Schatten von Gebäuden und Bäumen und bestimmt daraus, welcher Anteil des städtischen Fußwegenetzes in der Sonne bzw. im Schatten liegt – wahlweise zu einem einzelnen Zeitpunkt oder gemittelt über ein Stundenfenster („Sonnendosis", z. B. 11–18 Uhr).
Daraus ergeben sich zwei Anwendungen:
- Schattiger Fußweg: der schattigste statt des schnellsten Weges zwischen zwei Punkten (gewichtetes Routing mit stufenlosem Umschalter).
- Hitzeexpositions-Layer: sichtbar machen, wo entlang realer Laufwege die Sonnenbelastung am höchsten ist – also wo Beschattung für Fußgänger am dringendsten gebraucht wird.
Stadtschatten teilt die OpenStreetMap-Datengrundlage mit dem Schwestermodul Stadtgrün, ist aber eigenständig.
Seit v4 kommt eine dritte, planerisch zentrale Auswertung hinzu: die flächige Verschattung verknüpft mit der tatsächlichen Nutzung (ALKIS-Kataster) und mit Aufenthaltsorten (Schulen, Kindergärten, Spielplätze, Bushaltestellen aus OSM) – um zu zeigen, wo Schatten dort fehlt, wo sich Menschen tatsächlich aufhalten.
1. Laden Geh-Graph (osmnx) + Hindernisse mit Höhe → modules/loader.py
Gebäude (LGL-LoD2, OSM-Fallback) + Vegetation (nDOM)
2. Schatten Schatten für einen Zeitpunkt (pybdshadow); → modules/schatten.py
optional über ein Stundenfenster gemittelt → modules/kantenbewertung.py
3. Bewertung Schatten den Wegekanten zuordnen, Sonnenanteil je → modules/kantenbewertung.py
Kante (einzeln oder gemittelt), Kantengewichtung
4. Routing gewichteter kürzester Pfad, schnellster vs. schattigster → modules/routing.py
5. Ausgabe Folium-Karten (Schatten-Check, Sonnenanteil, Route)
jeweils mit Lauf-Parametern und Quellenangabe
Die Kantenbewertung tastet jede Wegekante in Stützpunkten ab und prüft mit einem
räumlichen Verschnitt gegen die vereinigte Schattenfläche, welcher Anteil jeder Kante
beschattet ist. Ergebnis pro Kante: sonnenanteil (0 = ganz im Schatten, 1 = volle Sonne)
sowie zwei Gewichte fürs Routing.
Verlässliche Höhen sind die Voraussetzung für belastbare Schattenwerte. Die Höhe wird in
modules/loader.py als Fallback-Kette bestimmt:
1. LGL-LoD2 (amtlich, gemessen) ← bevorzugt, innerhalb Baden-Württembergs
2. OSM height
3. OSM building:levels × 3 m
4. Default 6 m (2 Geschosse)
Liegen für das Suchgebiet LGL-LoD2-Kacheln vor, werden deren amtliche Footprints und
measuredHeight direkt verwendet (Modul modules/lgl_lod2.py); andernfalls greift der
OSM-Weg. Die LGL-Kacheln werden als CityGML-Dateien (LoD2_*.gml) im Ordner data/
erwartet und auf das aktuelle Suchgebiet zugeschnitten.
Verifiziert am Testgebiet Esslingen (vier 1-km-Kacheln, 3.885 Gebäude):
100 % Höhenabdeckung. Etwa 81 % tragen die Höhe am Gebäude selbst, die übrigen ~19 % auf
ihren Gebäudeteilen (BuildingPart) – beide werden ausgelesen. Zum Vergleich: über OSM
allein lagen für dasselbe Gebiet nur ~13–32 % echte Höhen vor, der Rest war geschätzt.
Wichtige Einordnung: measuredHeight ist die Höhe bis zum höchsten Punkt (Firsthöhe).
pybdshadow extrudiert flach bis dahin, wodurch der Schatten bei Steildächern leicht
überschätzt wird. Für die relative Routenwahl (schattig vs. sonnig) hebt sich das
weitgehend auf; nur der absolute Sonnenanteil ist minimal überschätzt.
LGL_ERFORDERLICH/NDOM_ERFORDERLICH sollen stoppen, wenn Kacheln das Suchgebiet
nicht vollständig abdecken. Die Prüfung verglich fälschlich gegen die Vereinigung der
Gebäude-Flächen statt gegen die tatsächliche Kachel-Ausdehnung (gml:Envelope
bei LoD2, Raster-Bounds beim nDOM). Eine Kachellücke ohne Gebäude blieb dadurch
unentdeckt und ging als "voll sonnig" (Dosis 1.0) in die Auswertung ein – ein Fehler,
der sich nicht durch Plausibilität in der Karte zeigt, sondern nur durch falsch hohe
Werte an der Lücke selbst.
Konkret betroffen in Denkendorf: Mühlhalden-Kindergarten und mehrere Bushaltestellen in der Rangliste (Werte vor dem Fix nicht vertrauenswürdig, keine Neuberechnung mit alten Daten sinnvoll).
Behoben in modules/lgl_lod2.py (neue Funktion lade_lgl_lod2_abdeckung, prüft gegen
die echte Kachelgeometrie) und modules/loader.py. Zwei Diagnoseskripte zur
Verifikation:
pruef_abdeckung.py— LGL-LoD2-Abdeckungpruef_abdeckung_ndom.py— nDOM-Abdeckung
Beide bestätigen aktuell 0,0 % Lücke im 800-m-Radius für Denkendorf.
Lektion für jede künftige Abdeckungsprüfung: nie gegen eine abgeleitete Teilmenge (Gebäude, Punkte, o. ä.) vergleichen — immer gegen die tatsächliche Kachel-/ Raster-Ausdehnung selbst.
Statt eines einzelnen Moments lässt sich der Sonnenanteil über ein Stundenfenster mitteln –
die „Sonnendosis" über den heißen Nachmittag. Pro Stunde wird der Schatten neu gerechnet,
je Kante der Sonnenanteil bestimmt und anschließend über die Stunden gemittelt
(bewerte_kanten_aggregiert in modules/kantenbewertung.py).
- Geschaltet über
AGG_AKTIVinconfig.py; Fenster überAGG_START_STUNDE/AGG_END_STUNDE(beide Ränder einschließlich, stündlich, Standard 11–18 Uhr). - Gilt nur für den Hitzeexpositions-Layer, nicht fürs Routing – ein „schattigster Weg über einen gemittelten Tag" wäre nicht sinnvoll.
- Die Info-Box der Karte zeigt das Fenster („11–18 Uhr (Mittel)") statt einer Einzeluhrzeit.
schatten_check.htmlwird im Mittel-Modus bewusst nicht erzeugt: kein einzelnes Stundenbild repräsentiert den Durchschnitt ehrlich.
Ehrliche Einordnung: Das Fenster ist eine Planer-Entscheidung, kein Physik-Wert – das Modell kennt nur den Sonnenstand, nicht die Lufttemperatur. Die Kosten sind ehrlich: der Schatten wird N-mal gerechnet (acht Stunden = achtfacher Aufwand); bei kleinen Gebieten unkritisch.
Gebäudeschatten allein unterschätzt die Beschattung systematisch – gerade entlang von
Grünzügen, Bachläufen und Alleen. Stadtschatten ergänzt deshalb Baumschatten aus dem
amtlichen nDOM1 (normalisiertes Oberflächenmodell, 1-m-Raster, Höhe über Boden) des
LGL Baden-Württemberg (modules/vegetation.py).
Da das nDOM nur Höhe kennt, nicht „Baum" vs. „Haus", entsteht Vegetation durch Maskierung mit den LoD2-Gebäuden:
1. nDOM-Kacheln laden und zum Mosaik fügen (data/<ort>/, ndom1_*.tif)
2. LGL-LoD2-Footprints (gepuffert) im nDOM abschalten → Gebäude raus
3. Schwelle: Pixel ≥ VEG_MIN_HOEHE gelten als Vegetation
4. zusammenhängende Flächen → Polygone, Höhe = Median der nDOM-Pixel darin
5. Flächenfilter gegen Pixel-Krümel (Laternen, Autos, Kanten)
Das Ergebnis ist ein GeoDataFrame[geometry, height] – gleiches Format wie die Gebäude.
Beide werden zusammengeführt und durch dieselbe Schatten- und Aggregationskette geschickt.
Die Baumschatten wandern damit automatisch mit der Sonne durch das Stundenfenster.
Drei an echten Daten kalibrierte Schalter (config.py):
| Parameter | Bedeutung | Standard |
|---|---|---|
VEG_MIN_HOEHE |
ab welcher Höhe etwas als schattenwerfend zählt | 3.0 m |
GEB_PUFFER_M |
Gebäude-Footprints aufpuffern, damit Wand-Pixel an der Hauskante nicht als Vegetation durchrutschen | 1.0 m |
VEG_MIN_FLAECHE_M2 |
Mindestfläche je Vegetationspolygon (Rauschfilter) | 4.0 m² |
Die Vegetation ist über VEG_AKTIV abschaltbar (Vergleich Gebäude-nur vs. mit Bäumen,
oder Gebiete außerhalb BW). Eine laute Abdeckungsprüfung (NDOM_ERFORDERLICH = True)
stoppt mit klarer Meldung, falls die Kacheln das Suchgebiet nicht vollständig abdecken –
analog zu LGL_ERFORDERLICH, damit keine halb-abgedeckte Karte unbemerkt entsteht.
Wichtiger Modell-Vorbehalt: Ein Baum wird – wie ein Gebäude – als massiver Block extrudiert. Reale Kronen sind porös, Licht fällt durch. Der Baumschatten ist damit eine Obergrenze, kein exakter Wert. Für eine „hier ist Schatten"-Karte ist das vertretbar und deutlich näher an der Realität als gar keine Bäume; die physikalisch rigorose Behandlung (Transmissivität der Krone) bleibt UMEP/SOLWEIG vorbehalten (siehe Grenzen).
Von der Wegekante zur Nutzung: flächige Sonnendosis, Kataster, Aufenthaltsorte (v4)
Bis v3 beantwortet Stadtschatten die Frage entlang der Wege: wie sonnig ist diese Fußweg-Kante. v4 löst die Bewertung von der Kante und legt sie auf Flächen – und verknüpft sie mit der tatsächlichen Nutzung. Damit verschiebt sich die Aussage vom reinen Screening („wo ist Schatten") Richtung Entscheidungsrelevanz („wo fehlt Schatten dort, wo sich Menschen aufhalten").
Der teure Schattenteil wird einmal gerechnet und als GeoTIFF abgelegt; die nachgelagerten Schritte lesen es – schnelles Iterieren ohne Neuberechnung.
- Flächige Sonnendosis (modules/exposition.py)
Statt Stützpunkten entlang der Kanten wird ein Raster (Zellgröße AGG_RASTER_M, Standard 2 m) über das Gebiet gelegt. Pro Zelle der Anteil der Stunden im Fenster, in denen ihr Mittelpunkt in der Sonne liegt (0 = ganztags Schatten, 1 = ganztags Sonne) – dieselbe Mittelpunkt-Logik wie bei den Kanten, nur flächig. Ausgabe als GeoTIFF (sonnendosis.tif) und als Folium-Overlay über dem Orthofoto.
Dächer abziehen: Die LoD2-Gebäude-Footprints werden aus dem Raster gestanzt (Zellen auf Gebäuden → NODATA). Auf einem Dach hält sich niemand auf; „der Boden unterm Haus ist dauerschattig" ist keine sinnvolle Aussage. Vegetation bleibt drin – der Schatten unter einem Baum ist genau der gesuchte kühle Aufenthaltsort. Kein Puffer: der schattige Streifen an der Nordwand ist echter Boden, auf dem man geht.
Denkendorf: mit Dächern 52 % beschattet, nach dem Dach-Abzug 44 % (Mittel 0,56). Das Muster folgt sichtbar Bachlauf und Baumgruppen; Gebäude erscheinen ausgestanzt.
- Sonnendosis × tatsächliche Nutzung (modules/nutzung.py)
Das Dosis-Raster wird mit den amtlichen ALKIS-Flurstücken (LGL, Shape, EPSG:25832) verschnitten. Je Flurstück das flächengewichtete Mittel der gültigen (Freiflächen-)Zellen per bincount-Zonalstatistik, etikettiert mit der dominanten Nutzung aus dem tntxt-Feld (Format Nutzungsart;Fläche_m², mehrere mit | verkettet – die flächengrößte gewinnt; der separate nutzung-Layer ist für einen ersten Durchgang unnötig).
Mindest-Freifläche (MIN_FREIFLAECHE_M2, Standard 20 m²): Flurstücke mit weniger gültiger Freifläche gelten als nicht bewertbar (grau) – ein Mittel über 1–2 Zellen wäre Rauschen. Das sind faktisch die vollversiegelten Flurstücke, selbst eine planungsrelevante Klasse.
Ausgabe: Choroplethe je Flurstück (grün = schattig, rot = sonnig), je Nutzungsklasse abschaltbar, plus eine flächengewichtete Klassentabelle („Sonnendosis je Nutzung") – die belastbare, strategische Aussage.
Denkendorf (validiert gegen Ortswissen und Orthofoto): Ackerland 0,93 (offen → Sonne), Laubholz 0,00 (Wald → ganztags Schatten; ALKIS und nDOM stimmen am selben Ort überein), Wohnbaufläche-Mittel ~0,45, Grünanlagen gegen Satellitenbild geprüft (Bäume vorhanden).
Detail-Lupe (karte_flurstueck_detail): Über DETAIL_PUNKT_LATLON lässt sich ein einzelnes Flurstück zoomen – jede 2-m-Zelle einzeln eingefärbt, Dach-Zellen grau („rausgerechnet"), Grenze als Umriss, Mittelwert beschriftet. Macht den Zwischenschritt „Zellen → Mittel je Flurstück" transparent – ein Erklär-Werkzeug für Präsentationen. Die Koordinate ist per Klick auf der Übersichtskarte ablesbar (LatLngPopup).
- Aufenthaltsorte × Verschattung (modules/aufenthalt.py)
ALKIS-Nutzungsarten sind für Aufenthaltsorte zu grob: „Öffentliche Zwecke" mischt Schule, Rathaus und Kirche; Bushaltestellen sind gar keine Flurstücke. Quelle ist daher OpenStreetMap (gleiche osmnx-Maschinerie wie bei den Gebäuden). Erster Durchgang: Schulen (amenity=school), Kindergärten (amenity=kindergarten), Spielplätze (leisure=playground) als Flächen; Bushaltestellen (highway=bus_stop ∪ public_transport=platform, auf BUSHALT_DEDUP_M = 10 m entdoppelt, dann AUFENTHALT_PUNKT_PUFFER_M = 5 m Wartebereich).
Einheitliche Logik: alles wird zu einem kleinen Bereich, dann Mittel der Dosis-Zellen darin – wie bei den Flurstücken. Umgekehrte Leserichtung: an einem Aufenthaltsort ist rot = sonnig = Verschattungsbedarf. Ausgabe: Rangliste „größter Verschattungsbedarf" und Karte je Kategorie abschaltbar.
Campus-Fragmentierung (Cluster-Fix, v4.1): Große Einrichtungen – vor allem
Schulcampusse – werden in OSM häufig ohne ein gemeinsames Geländepolygon gemappt.
Stattdessen trägt jedes einzelne Gebäude/jede Teilfläche für sich dasselbe amenity-Tag,
meist nur eines davon mit Namen. Unbehandelt erschien ein einzelner Schulcampus so als
viele einzelne „Schule (ohne Name)"-Einträge und verzerrte die Top-N-Rangliste massiv
(ein Standort belegte mehrere Rangplätze, eine tatsächlich zweite Einrichtung fiel dafür
heraus). _cluster_flaechen() fasst räumlich zusammenhängende Flächen derselben
Kategorie zu einem Ort zusammen (Buffer + unary_union, Standard-GIS-Technik für
Connected Components; Toleranz AUFENTHALT_CLUSTER_PUFFER_M, Default 8 m). Kategorien
werden dabei strikt getrennt behandelt – eine Kita kann nie mit einer benachbarten
Schule verschmelzen, nur mit einer benachbarten Kita.
Zwei eingebaute Sicherungen gegen Über-Merging (relevant vor allem in dichter Bebauung, z. B. Stuttgart-West, wo zwei eigenständige Einrichtungen derselben Kategorie nur wenige Meter auseinanderliegen können):
- Namenskonflikt: Tragen mehrere Fragmente eines Clusters UNTERSCHIEDLICHE echte Namen, wird nicht zusammengefasst – das ist eher ein Hinweis auf zwei echte Einrichtungen dicht beieinander als auf Fragmente einer einzelnen. Stattdessen laute Konsolenwarnung, jede Fläche bleibt eigener Ort.
- Grenzfall-Warnung: Bei jedem erfolgreichen Merge wird geprüft, wie groß die größte
Lücke zwischen zwei direkt verbundenen Fragmenten war. Nahe 0 m (Fragmente berühren
sich, z. B. angrenzende Gebäudeflügel) = hohe Merge-Sicherheit, keine Meldung. Näher an
AUFENTHALT_CLUSTER_PUFFER_Mals an 0 → Konsolenwarnung „Grenzfall", da der Merge nur knapp innerhalb der Toleranz zustande kam.
Ungelöster Rest-Fall: Liegt eine zweite, tatsächlich eigenständige Einrichtung
derselben Kategorie im Puffer UND hat in OSM KEINEN Namen, ist sie von einem echten
Fragment aus Geometrie + Name allein nicht unterscheidbar – weder der Namenskonflikt-
noch der Grenzfall-Schutz greifen zuverlässig, wenn schlicht kein Name da ist, gegen den
geprüft werden kann. Dieser Fall ist real aufgetreten (Denkendorf: Klingenacker-
Kindergarten, unbenannt in OSM, fälschlich mit dem benachbarten Mühlhalden-Kindergarten
verschmolzen, Lücke rechnerisch ~8 m – praktisch exakt an der Puffer-Grenze) und bleibt
ein manueller Prüf-Schritt bei jedem neuen Ort (siehe Ausnahmeliste unten sowie
ablauf.md, Abschnitt 3a).
Ausnahmeliste (ausnahmen/<ORT_SLUG>.txt): pro Ort gepflegte, im Repo versionierte
(bewusst NICHT in data/, das ist gitignored Cache) Korrekturliste für von Hand
entdeckte OSM-Probleme. Drei Eintragstypen:
| Typ | Syntax | Wirkung | Anwendungsfall |
|---|---|---|---|
| Name | exakter Text | Objekt komplett entfernt | Falsche Kategorie/Fehl-Tagging (z. B. ein Jugendzentrum mit amenity=school) |
| Ausschluss-Koordinate | @x,y[,radius] |
Objekt komplett entfernt | Wie oben, aber ohne Namen zum Matchen |
| Isolier-Koordinate | !x,y[,radius] |
Objekt bleibt, wird nur vom Merge ausgenommen | Echte, eigenständige Einrichtung, die nur mangels Namen fälschlich mit einer Nachbareinrichtung verschmolzen wurde |
Koordinaten in CRS_METRISCH. @ und ! sind bewusst verschieden: @ für Objekte, die
in dieser Kategorie zurecht nicht existieren sollten (löschen); ! für Objekte, die
zurecht existieren, nur falsch zugeordnet wurden (trennen, nicht löschen – sie sollen wie
eine unbenannte Sitzbank in der Rangliste auftauchen). Datei ist optional; fehlt sie,
ändert sich nichts. Kein automatischer Fehlererkennungsmechanismus – bewusst manuelle,
dokumentierte Kuratierung pro Ort, kein Autopilot.
Denkendorf (nach Cluster-Fix + Ausnahmeliste, 800-m-Ausschnitt): 91 Orte (41 Sitzbänke, 23 Bushaltestellen, 16 Spielplätze, 7 Kindergärten, 3 Schulen, 2 Soziale Einrichtungen), 76 mit gültigen Zellen. Fünf statt vormals vier Kindergärten nach Korrektur des Klingenacker-Falls – die fünfte Einrichtung war zuvor unsichtbar in einem falschen Mittelwert versteckt, nicht bloß falsch benannt.
- Gemeinderatsvorlage (modules/vorlage.py)
Kein Ersatz für die interaktive Folium-Karte aus Schritt 3 – ein zusätzliches, druckfertiges
PDF (A4 quer) für die Papierform: Karte mit nummerierten Top-Orten links, Tabelle mit
denselben Nummern rechts, je Kategorie die Top-N (Standard 3) aus der Dringlichkeits-
Rangliste. Baut direkt auf orte_bewertet + ranglisten aus aufenthalt.py auf,
keine eigene Berechnung.
Zwei optionale Erweiterungen (v4.2):
- Kartenhintergrund (
contextily, CartoDB Positron): Punkte ohne räumlichen Kontext sind für jemanden ohne Ortskenntnis nicht einzuordnen. contextily ist bewusst KEINE harte Abhängigkeit – fehlt das Paket oder schlägt der Kachel-Download fehl (kein Internetzugriff beim Export), fällt die Vorlage automatisch auf den bisherigen Gebietsumriss zurück statt abzubrechen; eine Warnung erscheint auf der Konsole. Esri World Imagery bewusst vermieden – Lizenzbedingungen für Druck/Weitergabe eines offiziellen Gemeinderatsdokuments sind bei OSM-basierten Kacheln (CartoDB/OSM) eindeutiger. - Straßennamen unter unbenannten Orten: Für Orte ohne Namen wird die nächstgelegene
Kante im bereits vorhandenen Geh-Graphen (
loader.lade_geh_graph()) nachgeschlagen und deren Straßenname als zweite Zeile im Namensfeld angezeigt – kein zweiter OSM-Download, keine neue Abhängigkeit. Graph wird nur bei Bedarf geladen (Cache-Hit ist schnell, aber unnötig, wenn ohnehin alle Orte einen Namen haben).
Koordinaten-Fallback für unbenannte Orte (v4.3): OSM kennt für einen Teil der Aufenthaltsorte (v. a. Sitzbänke) keinen Namen – bislang stand dort schlicht "(ohne Name)", ohne weitere Angabe. Betrifft alle drei Ausgaben (PDF-Tabelle, Karten-Popup, Dringlichkeits-Rangliste), mit unterschiedlicher Tiefe:
| Ausgabe | Fallback |
|---|---|
vorlage.py (PDF-Tabelle) |
Straßenname (Geh-Graph) → Koordinaten |
aufenthalt.py (Karten-Popup) |
Koordinaten |
karte_info.py (Rangliste-Box) |
Koordinaten |
Grund für die Lücke davor: die Rangliste-Box griff nur auf name, nicht auf die
Geometrie zu – ein unbenannter Ort blieb dort ohne jede Zusatzangabe, obwohl
Popup und PDF für denselben Ort längst Koordinaten bzw. Straßennamen zeigten.
Damit war ein Ort in der Karte nicht mit seiner Zeile in der Rangliste
abgleichbar (z. B. eine Sitzbank mit Dosis 0,53 – nicht in den sichtbaren
Top-5, aber ohne Koordinate auch nicht auffindbar, welche der vielen anderen
Sitzbänke das eigentlich war). Alle drei Stellen liefern jetzt mindestens
Koordinaten. Bewusst NICHT vereinheitlicht auf den vollen Straßennamen-Fallback:
das würde den Geh-Graphen auch in aufenthalt.py/karte_info.py voraussetzen,
die Module laufen aber laut ablauf.md als getrennte Skript-Aufrufe – der
Graph ließe sich nicht ohne Pipeline-Umbau (ein Lauf statt vier, oder
Platten-Cache) einmal laden und für alle drei nutzen. Siehe Ausblick.
Label-Kollisionsvermeidung (v4.3): Liegen zwei Top-Orte auf der PDF-Karte
nah beieinander (z. B. zwei Orte an derselben Straße), überdeckten sich Punkt
UND Rang-Nummer bei festem Text-Offset. _naechster_freier_offset() prüft
acht Ausweich-Richtungen in Pixelkoordinaten und wählt die erste
kollisionsfreie; bei sehr dichten Clustern (>8 Orte praktisch am selben Fleck)
die mit dem größten Mindestabstand zu bereits platzierten Labels.
# eigene Umgebung (empfohlen – getrennt von anderen Modulen)
python -m venv .venv
.\.venv\Scripts\Activate.ps1 # Windows PowerShell
# source .venv/bin/activate # Linux/macOS
pip install -r requirements.txt
# kompletter Durchlauf
python run.pyErgebnisse landen als HTML-Karten im Ordner output/. Einzelne Module lassen sich
auch separat starten (z. B. python modules/schatten.py).
| Parameter | Bedeutung |
|---|---|
PLACE |
Ort (ganzer Ort), OSM-kompatibel |
ZENTRUM, RADIUS_M |
optionaler Zuschnitt auf einen Kreis (schnell, zum Entwickeln); ZENTRUM = None → ganzer PLACE. Bestimmt zugleich, welche LGL-/nDOM-Kacheln verwendet werden. |
DATUM, UHRZEIT, ZEITZONE |
Zeitpunkt des Schattenwurfs (Einzelmoment) |
AGG_AKTIV |
True → Hitzeexpositions-Layer wird über das Stundenfenster gemittelt; UHRZEIT gilt dann nur noch für schatten_check.html |
AGG_START_STUNDE, AGG_END_STUNDE |
Stundenfenster der Aggregation, beide Ränder einschließlich (Standard 11–18) |
VEG_AKTIV |
True → Baumschatten aus nDOM einbeziehen; False → nur Gebäudeschatten |
NDOM_KACHEL_UNTERORDNER |
Unterordner in data/ mit den nDOM-Kacheln (ndom1_*.tif) |
VEG_MIN_HOEHE, GEB_PUFFER_M, VEG_MIN_FLAECHE_M2 |
Vegetations-Schalter (siehe Abschnitt Vegetation) |
START, ZIEL |
Routing-Punkte als (lat, lon); None → Route abgeschaltet bzw. Demo-Diagonale |
ALPHA_SCHATTIG |
Stärke der Schattenbevorzugung (siehe unten) |
LGL-LoD2-Kacheln liegen als LoD2_*.gml, nDOM-Kacheln als ndom1_*.tif im Ordner
data/<ort>/.
Die Kantengewichtung lautet:
gewicht = laenge * (1 + ALPHA * sonnenanteil)
ALPHA ist der Wechselkurs zwischen Umweg und Sonne: wie viele zusätzliche Meter
in Kauf genommen werden, um einen Meter Sonne zu vermeiden.
ALPHA = 0→ schnellster Weg (Schatten egal)ALPHA = 3→ ein Sonnenmeter „kostet" wie 4 Meter Gehen- höher → stärkere Schattenbevorzugung, größere Umwege
Wichtig: ALPHA wirkt nur, wo es schattige Alternativen gibt. Über offene Plätze,
Brücken oder freie Geraden existiert kein Schatten – diese Abschnitte bleiben sonnig,
unabhängig von ALPHA. Jenseits des Punktes einer Strecke an dem der schattige
Umweg billiger wird als die sonnige Direktroute, ändert ein höheres ALPHA nichts mehr.
| Zweck | Quelle / Werkzeug |
|---|---|
| Wegenetz, Gebäude-Footprints (Fallback) | OpenStreetMap via osmnx |
| Gebäudehöhen | LGL-LoD2 (measuredHeight, amtlich) innerhalb BW · Fallback: OSM (height, building:levels, Default 2 Geschosse) |
| Baumhöhen / Vegetation | LGL-nDOM1 (normalisiertes Oberflächenmodell, 1 m), Gebäude per LoD2 maskiert |
| Schatten / Sonnenstand | pybdshadow |
| CityGML einlesen | eigener Parser modules/lgl_lod2.py (ElementTree + shapely) |
| Raster (nDOM) einlesen | rasterio, scipy.ndimage (modules/vegetation.py) |
| Geometrie | geopandas, shapely |
| Graph / Routing | networkx |
| Karten | folium |
| Kartenhintergrund (PDF-Export) | contextily (CartoDB Positron, optional) |
| Tatsächliche Nutzung (Flurstücke) | LGL-ALKIS (Shape, Feld tntxt: Nutzungsart;Fläche) |
| Aufenthaltsorte (Schulen, Kindergärten, Spielplätze, Bushaltestellen) | OpenStreetMap via osmnx |
| Raster / Zonalstatistik | rasterio, numpy.bincount (exposition.py, nutzung.py, aufenthalt.py) |
Koordinatensystem: EPSG:25832 (ETRS89/UTM32N) für alle metrischen Berechnungen – identisch mit dem CRS der LGL-Daten (LoD2 und nDOM), daher kein Umprojizieren nötig.
| Schritt | Status |
|---|---|
| pybdshadow verifiziert | ✅ |
| Loader: Geh-Graph + Gebäude mit Höhe | ✅ |
| Schatten-Wrapper (pybdshadow) | ✅ |
| Schatten-zu-Kante-Zuordnung + Kantengewichtung | ✅ |
| Routing: schnellster vs. schattigster Weg (Umschalter) | ✅ |
| Folium-Kartenausgabe mit Parametern + Quellenangabe | ✅ |
Einstiegspunkt run.py |
✅ |
| Echte Gebäudehöhen via LGL-LoD2 (ersetzt OSM-Schätzung in BW) | ✅ |
| Zeit-Aggregation / Sonnendosis (Stundenfenster, gemittelt) | ✅ |
| Baumschatten via nDOM (LoD2-Maskierung, kalibrierte Schalter) | ✅ |
| Wege = Bürgersteig statt Straßenachse (Schattenseiten-Sampling) | ⬜ offen |
| Kachel-Auswahl je Gebiet + Höhen-Cache (Skalierung) | ⬜ offen |
| GPX-Export | ⬜ optional, offen |
| Flächige Sonnendosis (Raster, exposition.py) | ✅ |
| Dächer ausgestanzt (LoD2-Footprints raus, Vegetation bleibt) | ✅ |
| Sonnendosis × ALKIS-Nutzung (Zonal, Klassentabelle, nutzung.py) | ✅ |
| Detail-Lupe einzelnes Flurstück | ✅ |
| Aufenthaltsorte × Verschattung (OSM, Leserichtung umgedreht, aufenthalt.py) | ✅ (Feinschliffe offen) |
| Haltestellen-Entdopplung: Wartebereich statt Fahrbahn bevorzugen (_dedup_priorisiert, platform > bus_stop) | ✅ |
| Campus-Fragmentierung filtern (Cluster-Fix _cluster_flaechen, ersetzt frühere "Schul-Dubletten"-Aufgabe, jetzt alle Flächen-Kategorien statt nur Schulen) | ✅ |
| Namenskonflikt-Schutz (unterschiedlich benannte Nachbar-Einrichtungen nicht zusammenfassen) | ✅ |
| Grenzfall-Warnung (Merges nahe der Puffer-Grenze automatisch markieren) | ✅ |
| Ausnahmeliste pro Ort (ausnahmen/<ORT_SLUG>.txt, drei Eintragstypen) | ✅ |
| vorlage.py: Kartenhintergrund (contextily) + Straßennamen unter unbenannten Orten | ✅ |
| Restrisiko: unbenannte, tatsächlich eigenständige Nachbar-Einrichtung wird von Namenskonflikt-/Grenzfall-Schutz nicht sicher erkannt | ⬜ bleibt manueller Prüf-Schritt |
| AUFENTHALT_CLUSTER_PUFFER_M von aufenthalt.py nach config.py zentralisieren | ⬜ offen |
| OUTPUT_DIR-Doppeldefinition in config.py beheben (zweite Zuweisung überschrieb die ort-abhängige) | ✅ behoben |
| Aufenthaltsorte feiner (Bänke, Pflegeheime, weitere Tags) | ⬜ offen |
| Abdeckungsprüfung repariert (verglich vorher fälschlich gegen Gebäudeflächen statt Kachel-Ausdehnung; betraf Mühlhalden-Kindergarten + Bushaltestellen) | ✅ |
| Koordinaten-Fallback für unbenannte Orte (PDF, Popup, Rangliste-Box konsistent) | ✅ |
| Label-Kollisionsvermeidung auf der PDF-Karte (dicht beieinanderliegende Orte) | ✅ |
Schattenrichtung und -länge werden gegen den berechneten Sonnenstand geprüft: Beispiel Esslingen am Neckar, 21.06., Sonne im SSW bei hoher Sonnenhöhe → Schatten zeigen nach NNO; Schattenlänge konsistent zur Gebäudehöhe und zum physikalischen Sonnenstand.
Geprüft an zwei Orten (Esslingen, Denkendorf). Mit der LGL-LoD2-Anbindung beruhen die Höhen im Testgebiet Esslingen zu 100 % auf amtlichen Messwerten (Median ~11 m) statt auf Schätzung – die absoluten Schattenwerte sind damit erstmals belastbar.
Baumschatten (Denkendorf, Ortskenntnis als Maßstab): Über das Fenster 11–18 Uhr steigt der beschattete Netzanteil mit Vegetation auf ~31 % (gegenüber ~6 % ohne Bäume im selben Fenster). Der zusätzliche Schatten folgt sichtbar dem Grünzug entlang des Bachlaufs – genau dort, wo vor Ort die meisten Bäume stehen. Die nDOM-Höhen steigen über den Nachmittag plausibel an (kurze Schatten zur Mittagszeit, lange am Abend), konsistent zum Sonnenstand.
Der direkte Vergleich am Bachlauf macht den Effekt sichtbar: Ohne Vegetation erscheint der Grünzug fälschlich sonnig (rot); erst mit Baumschatten färbt sich dieselbe Strecke schattig (grün). Beide Karten zeigen dasselbe Fenster (11–18 Uhr, gemittelt).
| Ohne Baumschatten (~6 % beschattet) | Mit Baumschatten (~31 % beschattet) |
|---|---|
 |
 |
Bewusste, dokumentierte Einschränkungen:
- Wege = Straßenachsen, nicht Bürgersteige. Der osmnx-
walk-Graph nutzt die Straßenachse, wo Gehwege nicht als eigene Geometrie kartiert sind. Fußgänger laufen am Gebäuderand (schattiger) statt in der Straßenmitte. Der Fußgänger-Schatten wird dadurch eher unter- als überschätzt – die realen Werte liegen tendenziell über den ausgewiesenen. - Baumschatten ist eine Obergrenze. Bäume werden als massive Blöcke extrudiert; die Porosität der Krone (durchfallendes Licht) ist nicht modelliert. Der Vegetations-Schatten ist daher tendenziell zu dicht. Brauchbar für „wo ist überhaupt Schatten", nicht für exakte Bestrahlungsstärke.
- Höhen nur in Baden-Württemberg amtlich. Innerhalb BW (und wo Kacheln vorliegen)
kommen gemessene LGL-LoD2- und nDOM-Höhen zum Einsatz. Außerhalb BW oder ohne Kachel
greift die OSM-Schätzung bzw. entfällt die Vegetation.
measuredHeightist Firsthöhe (siehe Abschnitt Gebäudehöhen). - Stundenraster. Die Aggregation arbeitet in vollen Stunden; das Fenster ist eine Planer-Entscheidung, kein temperaturbasierter Physik-Wert.
- Keine thermische Strahlungsmodellierung. Bewusste Abgrenzung zu wissenschaftlich rigorosen Werkzeugen wie UMEP/SOLWEIG, die DSM-basiert rechnen und Kronen-Transmissivität sowie mittlere Strahlungstemperatur abbilden. Stadtschatten ist der schlanke, scriptbare, vollständig nachvollziehbare Weg – nicht das physikalisch vollständigste Modell.
- Flächen-/Parzellenmittel ist räumlich blind. Der Sonnendosis-Wert eines Flurstücks oder Aufenthaltsbereichs ist ein korrekter Durchschnitt über seine Freifläche, kann aber innerhalb der Fläche stark schwanken (z. B. Stellplatz schattig, Garten sonnig). Bei kleinen Flächen schwankt der Einzelwert zusätzlich durch Schatten der Nachbarn. Belastbar ist die Klassentabelle über viele Flächen, nicht der Einzelwert.
- OSM-Abdeckung uneinheitlich. Aufenthaltsorte stammen aus OpenStreetMap; Haltestellen und Schulen sind in Deutschland meist gut erfasst, anderes (Bänke, Sitzgelegenheiten) lückenhaft. Was OSM nicht kennt, fehlt in der Auswertung.
- Wartehäuschen nicht modelliert. Bushaltestellen-Unterstände stecken weder in LoD2 (kein Gebäude) noch verlässlich im nDOM; eine überdachte Haltestelle liest sich als voll sonnig. (Ein kleines Dächlein ist ohnehin nur begrenzt Sonnenschutz.)
- OSM-Haltestellenpunkt teils auf der Fahrbahn statt im Wartebereich – der gepufferte Bereich bewertet dann offenen Asphalt (siehe offene Feinschliffe im Aufenthalts-Abschnitt).
- ALKIS zu grob für Aufenthaltsfunktion. „Öffentliche Zwecke" mischt Schule, Rathaus, Kirche; Bushaltestellen sind keine Flurstücke. Aufenthaltsorte kommen deshalb aus OSM, nicht aus dem Kataster.
- Campus-Zusammenfassung hat ein algorithmisch nicht schließbares Restrisiko. Der
Cluster-Fix (siehe Aufenthaltsorte-Abschnitt) fasst benachbarte OSM-Fragmente derselben
Kategorie zusammen und erkennt Namenskonflikte sowie geometrische Grenzfälle. Trägt eine
zweite, tatsächlich eigenständige Nachbareinrichtung in OSM aber KEINEN Namen, ist sie von
einem echten Fragment nicht unterscheidbar – weder Code noch dieses Dokument können das
für einen neuen Ort im Voraus ausschließen. Bleibt ein manueller Prüf-Schritt pro Ort
(
ausnahmen/<ORT_SLUG>.txt, sieheablauf.mdAbschnitt 3a) – kein Automatismus, keine Garantie ohne diesen Schritt. - Ausnahmeliste ist handkuratiert, nicht validiert gegen eine zweite Quelle. Einträge in
ausnahmen/<ORT_SLUG>.txtberuhen auf Stichproben gegen Google Maps/Ortswissen, nicht auf einer systematischen Prüfung aller Aufenthaltsorte. Bei Orten ohne persönliche Ortskenntnis (Subunternehmer-Auftrag in fremder Stadt) ist dieser Schritt aufwendiger und die Fehlerquote potenziell höher als in Denkendorf.
- Frequenz × Sonnenbelastung: Stark begangene und stark besonnte Wege als Prioritätskarte für Beschattungsmaßnahmen – der eigentliche planerische Hebel. Ansätze: Betweenness-Zentralität (strukturell) oder zielorientiertes Routing (zu Schulen, Bahnhof, Busbahnhof). Bleibt ein Modell, keine gemessene Frequenz.
- Schattenseiten-Sampling: Stützpunkte seitlich von der Achse versetzen und die schattigere Straßenseite werten – bildet reales Fußgängerverhalten ab (adressiert Grenze 1).
- Kachel-Auswahl je Gebiet + Höhen-Cache: damit über die Testgebiete hinaus skalierbar und ohne wiederholtes Parsen der großen CityGML-/Raster-Kacheln.
- GPX-Export der gewählten Route (für Navigation unterwegs).
- Kronen-Transmissivität als optionaler Premium-Pfad (SOLWEIG-Anbindung), wenn echte thermische Komfortanalyse gefragt ist.
- Weitere Städte.
- Namens-Fallback vereinheitlichen: aktuell drei unabhängige Implementierungen
(siehe Abschnitt Gemeinderatsvorlage, Koordinaten-Fallback) mit
unterschiedlicher Tiefe. Zusammenführen in ein gemeinsames Modul würde den
Geh-Graphen auch in
aufenthalt.py/karte_info.pyvoraussetzen – lohnt sich erst nach einem Pipeline-Umbau (ein Lauf statt vier getrennter Skripte, oder Graph-Cache auf Platte). Zurückgestellt, nicht vergessen.
OpenStreetMap-Daten © OpenStreetMap-Mitwirkende (ODbL).
Diese Auswertung nutzt amtliche Geobasisdaten des Landesamts für Geoinformation und Landentwicklung Baden-Württemberg (LGL): 3D-Gebäudemodelle (LoD2) und das normalisierte Oberflächenmodell (nDOM1). Datenlizenz Deutschland – Namensnennung 2.0, Quellenangabe: „Datenquelle: LGL, www.lgl-bw.de". Die Angabe erscheint in der README sowie auf jeder erzeugten Karte.
Der optionale Kartenhintergrund in vorlage.py (CartoDB Positron via contextily)
bringt eine eigene Attribution mit: „© OpenStreetMap-Mitwirkende, © CARTO", erscheint
in der Fußzeile des PDFs, nur wenn der Hintergrund tatsächlich geladen werden konnte.