Wohnraum in Mannheim

Der Mietpreis wird anhand von verschiedenen Merkmalen bestimmt, wie zum Beispiel Größe, Lage, Gebäudetyp und Ausstattung der Wohnung. Wir wollen im Rahmen dieses Datenvisualisierungsprojekts untersuchen, ob es eine Korrelation zwischen Quadratmeterpreis und der Erreichbarkeit zu verschiedenen Points of Interest gibt.

Einführung

Laut einem neuen Bericht der Zentralen Immobilien Ausschuss e.V. (ZIA) stiegen die Mietpreisen in mehreren Städten Deutschlands zwischen 2005 und 2018 um mehr als 50 Prozent. In Rahmen dieses Projekts möchten wir einen von den möglichen Gründen untersuchen wie es dazu kam.

Unsere Hypothese ist, dass die Mietpreisen nicht nur durch die klassichen Merkmalen wie Größe, Lage, Gebäudetyp oder Ausstattung der Wohnung festgelegt werden, sondern auch durch der Erreichbarkeit zu verschiedenen Points of Interests.

Hypothese: Es gibt eine hohe Korrelation zwischen Preis pro m² und Erreichbarkeit zu POIs.

Weitere Fragen:

• Gibt es erkennbare räumliche Regionen, in denen vorrangig billige, bzw. teure Wohnungen angeboten werden?
• Gibt es bezahlbaren Wohnraum mit ähnlicher Erreichbarkeit zu POIs wie teurer Wohnraum?

Vorbereitung

Daten

Wir haben die Points of Interest (POIs) von OpenStreetMap genutzt. Da der Datensatz von OpenStreetmap sehr groß war, haben wir die POIs priorisiert und die folgenden sieben Kategorien gewählt:

• Education
• Health
• Leisure
• Public Buildings
• Catering
• Shopping
• Money

Um die Mietpreisdaten in Mannheim zu erhalten, wurde ein Pythonskript geschrieben, welches die Webseite ImmoWelt.de gesrapted hat. Das Skript hat den Kaltmietpreis, die Größe und die Adresse der Wohnungen gesammelt.

Verwandte Arbeiten

Zu Beginn haben wir uns andere Arbeiten angeschaut, die ähnliche Daten visualisiert haben.

Orte der Erreichbarkeit (von Hans Hack). Dieses Projekt visualisiert, welche Orte in Deutschland weit entferrnt von Straßen liegen. Wir haben dieses Projekt aufgrund der Visualisierungsmethode ausgewählt und weil es genau das Gegenteil macht, von dem was wir wollen. Es wird die Unnereichbarkeit von Gebieten gezeigt.

Als zweite verwandte Arbeit haben wir Accessibility mapping of complex transportation networks (von Alexander Schoedon) gewählt. Hier wird visualisiert, welchen Bereich man von einem bestimmten Punkt in der Stadt in einer bestimmten Zeit erreichen kann. Dies wurde mit einer Erreichbarkeitskarte visualisiert, welche die Straßen entsprechend einfärbt.

Die drite Arbeit, die wir betrachtet haben war Zu Fuß gut erreichbar? (vom BBSR). Diese Studie Studie untersucht Qualität der Nahversorgung. Diese Arbeit ist sehr nah an dem was wir umsetzen wollten. Es wird mittels einer Heatmap die Distanz zu Ärzten angezeigt.

Prototypen

Unser Wireframe-Prototyp stellt eine interaktive Möglichkeit dar, die in Mannheim angebotenen Wohnungen zu betrachten und nähere Infos zu ihnen zu erhalten.

Unsere erste Idee war, dass wir bei einem Klick auf einen bestimmten Stadtteil der Stadt Mannheim eine Auswahl mit den aktuellen Mietwohnungen anzeigen. Wird auf eine der Wohnungen geklickt, werden die nahen POIs angezeigt. Zusätzlich erhält der Nutzer Informationen zu dieser Wohnung. Dabei kann er auf den ersten Blick sehen, in welcher Preisklasse sie sich befindet. Durch das Feedback, das wir erhalten haben, bemerkten wir, dass unsere Idee einen journalistischen Ansatz hatten, welcher mit der zur Verfügung stehenden Zeit nicht umsetztbar war.

Als Nächstes haben wir ein Tableau-Dashboard erstellt, um die Qualität der gesammelten Daten zu prüfen.

Mit Tableau haben wir das erste Mal die realen Daten visualisiert. Wir haben uns dafür entschieden, die Daten bereits so zu visualisieren, wie wir es später auch in unserem finalen Prototypen tun wollten. Dies geschah hauptsächlich um festzustellen, ob wir unsere mit unseren Daten auch das aufzeigen können, was wir uns vorgestellt haben. Zusätzlich half uns der Prototyp dabei, die Daten zu den Wohnungen in Mannheim genauer zu betrachten.

Visualisierung

Für unseren finalen Prototyp haben wir folgende Visualisierungen gewählt:

• Violinchart für die Verteilung der Mietpreise in Mannheim.
• Erreichbarkeitskarte zur Darstellung der Pois zu einer ausgewählten Wohnung.
• Punktdichtekarte zur Darstellung der Wohnungen. Die Wohnungen werden als Punkte visualisiert und sind je nach der Anzahl der POIs anders gefärbt.
• Scatterplott zur visuellen Analyse der Korrelation zwischen Mietpreis und Anzahl an POIs.

Erkenntnisse

Darüberhinaus haben wir mittels eines Streudiagramms die derzeit in Mannheim angebotenen Wohnungen analysiert. In der folgenden Abbildung stellt jeder Punkt eine Wohnung dar, mit der Anzahl der nahen POIs entlang der x-Achse und ihrem Preis in Euro/m² entlang der y-Achse. Als Fazit können wir keine erkennbare Korrelation zwischen den beiden Variablen sehen. Auch wenn die Anzahl der POIs relativ gering ist, kann der Mietpreis auf über 25€/m² steigen.

Implementierung

Die Implementierung der Visualisierung wurde in Python mithilfe des Dash Frameworks programmiert. Dash ermöglicht es, in plotly erstellte Visualisierungen zu interaktiven Dashboards zu kombinieren. Dabei ist das gesamte Programm in HTML-Elementen bzw. Containern angeordnet. In diesen Containern sind plotly Visualisierungen enthalten. Jedes dieser Visualisierungen bekommt die Daten von einem zuvor initialisierten DataFrame. Diese DataFrame’s enthalten unsere gesammelte Daten, wie z.B. die Mietpreise oder die Geokoordinaten der POIs.

Die interaktive Benutzung erfolgt durch sogenannte callback-Funktionen. Jedes Diagramm kann eine callback-Funktion haben und jede dieser Funktionen ist genau einem Diagramm zugeordnet. Die Zuordnung erfolgt durch Angabe der ID des entsprechenden Diagrammes in der callback-Funktion. Wenn nun eine Interaktion stattfindet, werden Eventdaten an die callback geschickt. Mit diesen Daten kann die nun das zugeordnete Diagramm entsprechend aktualisiert und verändert werden.

Fazit

Wir konnten nicht zeigen, dass es einen Zusammenhang zwischen den POIS und dem Mietpreis gibt. Dies ist allerdings kein schlechtes Ergebnis; es zeigt lediglich, dass andere Faktoren eine größere Rolle beim Festlegen des Mietpreises existieren.

Die Fragen, ob es Wohnungen gibt, die günstig sind und trotzdem eine hohe POI-Erreichbarkeit haben, konnte erfolgreich beantwortet werden. Da die von uns ausgewählten POIs keinen Einfluss auf den Mietpreis hatten gibt es durchaus Wohnungen, die günstig sind und eine hohe Erreichbarkeit besitzen. Wie im Streudiagram zu sehen, haben die teuersten Mietwohnungen einen eher niedrige Anzahl an POIS in ihrer Nähe.

Ausblick

Um das Thema weiter zu vertiefen, kann man in Zukunft weitere POI-Kategorien betrachten. Während der Präsentation auf der iExpo wurde uns nahegelegt, dass wir eventuell die falschen POIs gewählt haben, und andere einen größeren Einfluss auf den Mietpreis haben könnten.