Bodenbeläge haben beim Rollstuhlfahren sowohl einen Einfluss auf Komfort als auch Energieverbrauch. Diese Daten sind in OpenStreetMap jedoch kaum hinterlegt. Um diese Situation zu verbessern wird in dieser Arbeit die Sensorik von Smartphones in Kombination mit Crowdsourcing verwendet. Es wird ein Konzept vorgestellt, welches mithilfe vertikaler Beschleunigung den Bodenbelag analysiert. Dabei liegt der Fokus auf ein automatisch kalibrierendes Erkennungssystem. Das heißt, der Benutzer hat kein Kalibrierungsaufwand. Die Kalibrierung funktioniert mithilfe eines Lernalgorithmus, dieser lernt anhand von Flächen, dessen Bodenbelag bekannt ist. Abschließend folgt eine Evaluation der Zuordnungsrate des Bodenbelag-Detektors nach der Kalibrierung, welche zwischen ca. 65 % bis 97 % liegt.

Surfaces influence comfort as well as energy consumption or necessary strength during wheelchair driving. However, information about surfaces is only scarcely available in OpenStreetMap. To increase the density of this information, smartphone sensors combined with crowdsourcing is used. In this work, a concept is introduced, which analyses the surface using vertical acceleration. The focus is placed on an automatically calibrating detection system. With this, a user has no effort calibrating. The calibration is accomplished with a learning algorithm. This algorithms uses areas, from which the surface type is known, to learn. Lastly, the allocation rate of the surface type detector after calibration is evaluated, resulting in a rate between ca. 65 % to 97 %.