💻 computer science

Gridnberg: A Topography-Aware Pedestrian Routing Dataset for New York City

Dit artikel introduceert Gridnberg, een topografie-bewuste dataset voor voetgangersrouting voor New York City die het bestaande netwerk verrijkt met hoogtes op knooppuntniveau om richting-specifieke routingkosten te berekenen op basis van horizontale afstand, comfort en toegankelijkheid, waardoor nauwkeurigere terreinbewuste stedelijke analyse mogelijk wordt.

Oorspronkelijke auteurs: Ariel Noyman

Gepubliceerd 2026-07-27

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Ariel Noyman

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een stad probeert te navigeren met een kaart die de straten alleen als platte lijnen op een stuk papier laat zien. Dit is hoe de meeste computermodellen van steden vandaag de dag werken; ze behandelen de grond als een perfect plat tafelblad. Maar in de echte wereld zijn steden zelden vlak. Ze hebben heuvels, hellingen, trappen en bruggen die bepalen hoe moeilijk het is om van de ene naar de andere plek te lopen. Denk aan het lopen tegen een steile heuvel op versus het wandelen op een vlak trottoir: zelfs als de afstand hetzelfde is, voelt de heuvel veel langer en vermoeiender. Dit verschil doet ertoe omdat het verandert welke route een persoon kiest, hoe snel iemand ergens kan zijn, en of een pad überhaupt mogelijk is voor iedereen, inclusief mensen in rolstoelen of met kinderwagens. Wetenschappers noemen dit "topografie", wat gewoon een deftig woord is voor de vorm en de hoogte van het landschap. Het begrijpen van hoe de hoogtes en dieptes van een stad het wandelen beïnvloeden, is cruciaal voor het ontwerpen van betere, eerlijkere en efficiëntere stedelijke ruimtes.

Maak kennis met Gridnberg, een nieuw project dat de "berg" terugbrengt in het "grid" voor New York City. De onderzoekers achter dit werk realiseerden zich dat hoewel we geweldige digitale kaarten hebben van waar de trottoirs liggen, die kaarten meestal de derde dimensie negeren: de hoogte. Om dit op te lossen, hebben ze een speciale dataset gemaakt die echte hoogtegegevens over het voetpadennetwerk van de stad legt. Ze hebben de hoogtes niet zomaar geraden; ze gebruikten een enorme database van officiële stedelijke metingen om de hoogte van elk afzonderlijk punt op de trottoirkaart te schatten.

Dit is de magische truc die ze uitvoerden: voor elk minuscuul punt op een trottoir keken ze naar alle officiële hoogtemetingen binnen een straal van 50 meter (ongeveer een half voetbalveld) en namen ze het gemiddelde. Dit gaf ze een betrouwbare "hoogte" voor elk punt op de kaart. Met deze nieuwe 3D-informatie maten ze niet alleen hoe ver een wandeling is; ze berekenden hoe "moeilijk" deze is. Ze creëerden drie verschillende manieren om een route te scoren:

De "Alleen de afstand"-score: Dit is de ouderwetse manier, waarbij alleen de platte afstand wordt geteld.
De "Comfort"-score: Deze straft steile heuvels af, omdat het beklimmen van een steile helling veel vermoeiender aanvoelt dan het lopen op vlak terrein.
De "Toegankelijkheid"-score: Dit is de strengste versie. Deze straft steile hellingen zwaar af omdat ze meer inspanning vereisen, maar blokkeert een route niet automatisch omdat er een steile trede aanwezig is. In plaats daarvan minimaliseert het de totale "hellingskosten" langs het pad, waardoor het een betere gids is voor toegankelijkheid zonder korte, steile secties direct uit te sluiten.

Het resultaat is een enorme, open kaart van New York City met meer dan 313.000 trottoirsegmenten, die elk zijn voorzien van hun specifieke hoogte en helling. Het team ontdekte dat hoewel het grootste deel van de stad relatief vlak is, er aanzienlijke heuvels zijn, vooral in gebieden zoals Park Slope en nabij bruggen. Sterker nog, ongeveer 12,8% van de trottoirsegmenten heeft een helling van minstens 5%, en bijna 7% is steil genoeg (meer dan 8,33%) om als uitdagend te worden beschouwd voor veel voetgangers.

Een van de meest interessante zaken die het artikel laat zien, is hoe het veranderen van de "kosten" van een route de weg die je aflegt verandert. Als je bijvoorbeeld alleen probeert de kortste afstand af te leggen, stuurt de computer je misschien een ongelooflijk steile, korte heuvel op omdat het een paar meter vlak wandelen bespaart. Maar als je de computer vraagt om de "comfortabele" of "toegankelijke" route te vinden, zal hij tevreden een iets langere route nemen om die steile heuvel volledig te vermijden. In één specifiek geval in Morningside Heights bevatte de kortste route een "stap" die volgens de gegevens een onmogelijk steile helling suggereerde (meer dan 200% helling), wat een verticale wand zou zijn! De slimme routeringsprofielen vermeden dit onmogelijke pad correct en kozen in plaats daarvan voor een iets langere maar realistische route.

De auteurs merken er zorgvuldig bij op dat dit geen perfect, afgewerkt product is. Omdat ze de hoogtes gemiddeld hebben over een gebied van 50 meter, kunnen zeer kleine, scherpe hoogteveranderingen (zoals een enkele trede of een kleine helling) worden afgevlakt of vermengd met nabijgelegen bruggen. Ze vonden ook een paar vreemde foutjes waarbij de wiskunde suggereerde dat een trottoir recht omhoog door een gebouw liep, wat ze toegeven dat menselijke controle vereist. Ze beargumenteren echter dat deze dataset een enorme stap voorwaarts is, omdat het de "hoogteverschillen" van de stad zichtbaar en meetbaar maakt voor iedereen. Het stelt onderzoekers en stadsplanners in staat om dezelfde experimenten keer op keer uit te voeren om te zien hoe terrein bepaalt wie waar kan komen.

Kortom, Gridnberg is als het geven van een 3D-bril aan een platte kaart. Het laat je niet alleen zien waar de trottoirs zijn; het laat je zien hoe de grond onder je voeten aanvoelt. Door onzichtbare heuvels in zichtbare data te veranderen, helpt het ons te begrijpen dat de makkelijkste manier om ergens te komen niet altijd de kortste weg is — maar de weg die rekening houdt met de helling van het landschap. Deze tool is nu beschikbaar voor iedereen om te gebruiken, wat helpt bij het bouwen van een toekomst waarin onze steden niet alleen worden ontworpen voor het platte, maar voor de echte, heuvelachtige en gevarieerde wereld waarin we daadwerkelijk leven.

Technische Samenvatting: Gridnberg – Een topografie-bewuste dataset voor voetgangersrouting in New York City

Probleemstelling
Netwerkanalyse van stedelijke gebieden vereenvoudigt straatnetwerken vaak tot planaire (2D) grafen, waarbij straatsegmenten worden behandeld als vlakke randen waarbij de weerstand uitsluitend wordt bepaald door horizontale afstand. Deze abstractie houdt geen rekening met hoogteverschillen, die de loopsnelheid, het metabole verbruik en de routekeuze aanzienlijk beïnvloeden. Hoewel steden als New York vaak als vlak worden beschouwd, bevatten ze significante topografische variaties, waaronder heuvels, hellingen, trappen, bruggen en verlaagde wegen. Bestaande navigatiediensten integreren vaak wel hoogtegegevens, maar hun propriëtaire aard voorkomt dat onderzoekers hun kostenmodellen kunnen inspecteren of reproduceren. Bovsamen hebben bestaande netwerken voor voetgangers (zoals NYCWalks) de ruimtelijke getrouwheid verbeterd, maar deze blijven planair tenzij ze worden verrijkt met hoogtegegevens.

Methodologie
Het artikel introduceert Gridnberg, een workflow die topografie integreert in het NYCWalks-voetgangersnetwerk. Het proces bestaat uit drie primaire fasen:

Data-integratie:
- Netwerkgeometrie: De basisdataset is het NYCWalks-netwerk (Sevtsuk et al., 2026), dat 315.577 LineString-records bevat die voetpaden, zebrapaden en wandelpaden vertegenwoordigen, geprojecteerd in EPSG:6538 (NAD83(2011)).
- Hoogtebron: Hoogtegegevens zijn afgeleid van de 2022 NYC Planimetric Database (ELEVATION class). Om de relevantie voor voetgangersinfrastructuur te waarborgen, filtert de workflow op wegbed- en brugpunten (Feature Code 3000), waarbij daken van gebouwen en waterpartijen worden uitgesloten om contaminatie van lokale gemiddelde berekeningen te voorkomen.
- Coördinatenuitlijning: Hoogtepunten (oorspronkelijk in US survey feet en EPSG:2263) worden omgezet naar meters.
Toewijzing van Vertex-hoogte:
- Voor elke vertex $v$ in het voetgangersnetwerk wordt de toegewezen hoogte ( $z_v$ ) berekend als het ongewogen gemiddelde van alle hoogtewaarnemingen ( $z_p$ ) binnen een straal van 50 meter.
- Ondersteuningscriteria: Een vertex wordt als "ondersteund" beschouwd als er ten minste één hoogtewaarneming binnen de straal bestaat. Een segment wordt alleen opgenomen in de definitieve dataset als alle geometrie-vertices van dat segment ondersteund zijn. Dit strikte criterium behoudt 99,24% van de bronsegmenten (313.184 van de 315.577).
- De straal van 50 meter is een compromis tussen ruimtelijke specificiteit en brondekking; de mediaan van de afstand tot de dichtstbijzijnde bijdragende waarneming is 10,14 m.
Metrische Berekening en Routingkosten:
- Segmentmetrieken: Voor behouden segmenten berekent de workflow de horizontale lengte ( $L$ ), de netto hoogteverandering ( $\Delta z$ ), en de cumulatieve stijging ( $G^+$ ) en daling ( $G^-$ ). Het berekent ook de maximale absolute lokale helling ( $g_{max}$ ), waarbij een horizontale stapdrempel van 1 meter wordt toegepast om ruis van extreem korte geometrische stappen te vermijden.
- Routingkostenfuncties: De dataset definieert drie kostenprofielen:
  - Alleen afstand ( $C_0$ ): $C_0 = L$ .
  - Comfortgericht: Past asymmetrische straffen toe voor opwaartse en neerwaartse beweging op basis van cumulatieve hellingsratio's ( $q^+$ en $q^-$ ). Het maakt gebruik van breekpunten bij 5% ( $g_0$ ) en 8,33% ( $g_1$ ), met hogere gewichten voor steilere hellingen.
  - Toegankelijkheidsgevoelig: Gebruikt hogere gewichten dan het comfortprofiel, met name voor hellingen die de 8,33% overschrijden, wat de verhoogde inspanning voor minder mobiele gebruikers weerspiegelt.
- De kostenfuncties zijn stuksgewijs lineair en bestraffen segmenten waar de cumulatieve helling specifieke drempels overschrijdt. De profielen zijn "toegankelijkheidsgevoelig" in plaats van "barrièrevrij", wat betekent dat ze de cumulatieve hellingsgewogen kosten minimaliseren, maar niet strikt routes uitsluiten die korte, steile lokale stappen bevatten.

Belangrijkste Resultaten

Schaal van de Dataset: De uiteindelijke release bevat 187.657 eindpuntknopen en 313.184 fysieke segmenten (626.368 gerichte randen).
Topografische Verdeling: Knopenhoogtes variëren van -0,33 m tot 121,09 m. De mediaan van de absolute eindpuntgemiddelde helling is 0,58%, terwijl de mediaan van de maximale absolute lokale helling 0,88% is.
Steilheidscijfers: 12,79% van de segmenten bevat een gerapporteerde lokale helling van ten minste 5%, en 6,84% bereikt ten minste 8,33%. Echter, slechts 4,76% van de segmenten krijgt een hellingsstraf in ten minste één richting onder de routingkostenlogica, wat het verschil illustreert tussen lokale maxima en segment-geaggregeerde kosten.
Netwerkconnectiviteit: De dataset resulteert in 256 verbonden componenten. De grootste component bevat 84,25% van de knopen. Kleinere componenten komen overeen met geografisch gescheiden gebieden zoals Staten Island en het Rockaway-schiereiland, of gebieden waar de hoogtedekking te schaars was om aan het criterium van "volledige ondersteuning" te voldoen.
Casestudy's: Routevergelijkingen laten zien dat hellingsgevoelige profielen vaak paden selecteren die iets langer zijn (bijv. 2,3% tot 5,5% langer), maar de cumulatieve winst en maximale lokale hellingen aanzienlijk verminderen. In sommige diagnostische gevallen bevat de afstand-minimaliserende route randen met onwaarschijnlijke hellingen (bijv. >100%), die de hellingsgevoelige profielen succesvol vermijden.

Betekenis en Claims
Het artikel positioneert Gridnberg als een instrument voor reproduceerbare, terreinbewuste analyse in plaats van een definitieve, foutvrije grondwaarheid. De primaire bijdragen zijn:

Transparantie: Het biedt een publieke, inspecteerbare implementatie van hoe gemeentelijke hoogtegegevens naar voetgangersnetwerken kunnen worden toegewezen, in contrast met propriëtaire black-box routing engines.
Methodologische Helderheid: Het documenteert de specifieke workflow voor het toewijzen van vertex-hoogtes, het berekenen van richting-specifieke hellingsscores en het construeren van routingkosten-scenario's.
Diagnostische Waarde: De dataset legt expliciet onopgeloste gevallen bloot waar topografie, verticale infrastructuur (zoals bruggen) en data-artefacten moeilijk van elkaar te onderscheiden zijn. Bijvoorbeeld, de auteurs merken op dat extreme hellingswaarden kunnen voortkomen uit het mengen van grond- en brugdekwaarnemingen binnen de 50m-window of uit geometrie-artefacten.
4.Fundament voor Verbetering: De release dient als een concreet basispunt voor het verbeteren van de wijze waarop voetgangersnetwerken hoogte vertegenwoordigen, waardoor onderzoekers kunnen testen hoe terrein de toegankelijkheid, centraliteit en voetgangersstromen beïnvloedt.

De auteurs blijven bescheiden over de beperkingen van de dataset en erkennen dat toegewezen hoogtes ongewogen lokale gemiddelden zijn in plaats van survey-grade metingen, en dat de heuristische kostenfuncties gevoelig zijn voor de segmentatie van kenmerken. Ze benadrukken dat praktische toepassing een expliciete beoordeling van randgevallen vereist, met name waar verticale verbindingen of data-mismatches optreden.

Technische Samenvatting: Gridnberg – Een topografie-bewuste dataset voor voetgangersrouting in New York City

Meer zoals dit