A study on the usability of open spatial data for road network-based analysis – using OpenStreetMap as an example

• Autorzy: Cichociński Piotr

Identyfikatory

DOI

10.4467/21995923GP.21.007.14978

Warianty tytułu

PL

Badanie użyteczności otwartych danych przestrzennych do analiz opartych na sieciach drogowych – na przykładzie OpenStreetMap

• Języki publikacji: EN

Abstrakty

EN

For several years GIS software users could use for any purpose a dataset being to some extent an alternative to both products offered by commercial providers and official databases. It is OpenStreetMap (OSM for short) – a worldwide spatial dataset, created and edited by interested individuals and available for use by anyone with no limitations. It is built on the basis of data recorded with consumer grade GPS receivers, obtained through vectorization of aerial photographs and from other usable sources, including even sketches made in the field. The collected information is stored in a central database, the content of which is not only presented on the website as a digital map, but also offered for download as vector data. Such data can be used for, among other things, performing various analyses based on road networks, of which the most frequently used is the function of determining the optimal route connecting selected locations. The results of such analyses can only be considered reliable if the data used are of adequate quality. As the OSM database is built by enthusiasts, no plans for its systematic development are formulated and there are no built-in quality control mechanisms. Therefore, the paper proposes methods and tools to verify the usefulness of the data collected so far, as well as to correct detected errors. It focuses on the following categories of geographic data quality: location accuracy, topological consistency and temporal validity. In addition, a problem with determining the length of individual road network segments was noticed, related to data acquisition methods and ways of recording the shape of lines. Therefore, in order to carry out the so-called route calibration, it was suggested to use kilometer and hectometer posts used in transportation networks, the locations of which are successively added to the OSM database.

PL

Od kilkunastu już lat użytkownicy oprogramowania GIS mogą używać do dowolnych celów zbioru danych będącego do pewnego stopnia alternatywą zarówno dla produktów oferowanych przez dostawców komercyjnych, jak i urzędowych baz danych. Jest nim OpenStreetMap (w skrócie OSM) – obejmujący cały świat zbiór danych przestrzennych, tworzony i edytowany przez zainteresowane osoby i dostępny do stosowania przez każdego chętnego bez żadnych ograniczeń. Budowany jest na podstawie danych rejestrowanych turystycznymi odbiornikami GPS, pozyskiwanych poprzez wektoryzację zdjęć lotniczych oraz pochodzących z innych nadających się do wykorzystania źródeł, w tym nawet szkiców wykonywanych w terenie. Zgromadzona informacja zapisywana jest w centralnej bazie danych, której zawartość jest nie tylko prezentowana na stronie internetowej w postaci cyfrowej mapy, lecz również oferowana do pobrania jako dane wektorowe. Takie dane mogą mieć zastosowanie między innymi do przeprowadzania różnorodnych analiz bazujących na sieciach drogowych, z których najczęściej wykorzystywana jest funkcja wyznaczania optymalnej trasy łączącej wybrane lokalizacje. Wyniki takich analiz można uznać za wiarygodne tylko wtedy, gdy użyte w nich dane będą się charakteryzować odpowiednią jakością. Ponieważ baza danych OSM budowana jest przez pasjonatów, nie są formułowane żadne plany jej systematycznego rozwoju oraz brak jest wbudowanych mechanizmów kontroli jakości. Dlatego w artykule zaproponowano metody i narzędzia, które pozwolą na weryfikację przydatności zgromadzonych do tej pory danych, jak również na poprawę wykrytych błędów. Skupiono się na następujących kategoriach jakości danych geograficznych: dokładności położenia, spójności topologicznej oraz ważności czasowej. Dodatkowo dostrzeżono problem z wyznaczaniem długości poszczególnych obiektów sieci drogowej, związany z metodami pozyskiwania danych i sposobami rejestracji kształtu linii. W związku z tym do przeprowadzenia tak zwanej kalibracji trasy zasugerowano użycie stosowanych w sieciach transportowych słupków kilometrowych i hektometrowych, których lokalizacje są sukcesywnie wprowadzane do bazy danych OSM.

Słowa kluczowe

EN

data quality; quality categories; standardization; network analysis; feature length

PL

jakość danych; kategorie jakości; normalizacja; analizy sieciowe; długość obiektu

• Wydawca: Polska Akademia Umiejętności
• Czasopismo: Geoinformatica Polonica
• Rocznik: 2021
• Tom: T. 20
• Strony: 89--96
• Opis fizyczny: Bibliogr. 26 poz., rys.

Twórcy

autor

Cichociński Piotr

• AGH University of Science and Technology, Kraków, Poland

• https://orcid.org/0000-0002-8633-1235

Bibliografia

• 1. Act of 16 April 2020 amending the act – Geodetic and Cartographic Law and certain other acts. Journal of Laws from 2020, item 782.
• 2. Barrington-Leigh C., Millard-Ball A. (2019): The world’s user-generated road map is more than 80% complete. PLOS ONE 14(10): e0224742.
• 3. Bigham J., Kang S. (2013): Building a highway linear referencing system from preexisting reference marker measurements for transportation data management. In URISA (Vol. 25, No. 1).
• 4. Blazek R. (2017): LRS Plugin for QGIS. https://blazek.github.io/lrs/release/help.1.2.0/index.html
• 5. Cichociński P. (2007): Zastosowanie zaawansowanych reguł topologicznych w procesie budowania baz danych przestrzennych wspomagających wycenę nieruchomości (Application of advanced topological rules in the process of spatial databases creation to support real estate valuation). Roczniki Geomatyki (Annals of Geomatics), Vol. V, No. 3, pp. 29–25.
• 6. Ciepłuch B., Jacob R., Mooney P., Winstanley A. (2010): Comparison of the accuracy of OpenStreetMap for Ireland with Google Maps and Bing Maps. Proceedings of the Ninth International Symposium on Spatial Accuracy Assessment in Natural Resources and Environmental Sciences. Leicester, UK, 20–23 July 2010.
• 7. Fischer M.M. (2003): GIS and Network Analysis. ERSA conference papers. 43rd European Congress of the European Regional Science Association. Jyväskylä, Finland, 27th–30th August 2003.
• 8. Girres J.-F., Touya G. (2010): Quality Assessment of the French OpenStreetMap Dataset. Transactions in GIS, 2010, 14(4): 435–459.
• 9. Goodchild M.F., Hunter G.J. (1997): A Simple Positional Accuracy Measure for Linear Features. International Journal of Geographical Information Science, 11(3): 299–306.
• 10. Haklay M., Weber P. (2008): OpenStreetMap: User-Generated Street Maps. IEEE Pervasive Computing, October–December 2008, pp. 12–18.
• 11. Haklay M. (2010): How good is volunteered geographical information? A comparative study of OpenStreetMap and Ordnance Survey datasets. Environment and Planning B, 37(4) 682–703.
• 12. Hanguet J.F. (1995): Computation of the Hausdorff distance between plane vector polylines. Proceedings of AUTO-CARTO 12, 4; 1–10.
• 13. Hunter G.J. (1999): New tools for handling spatial data quality: moving from academic concepts to practical reality. URISA Journal, 11(2), 25–34.
• 14. Husdal J. (1999): Network analysis – network versus vector – A comparison study. http://www.husdal.com/1999/10/11/ network-analysis-raster-versus-vector-a-comparison-study/
• 15. ISO 19157:2013 Geographic information — Data quality.
• 16. ISO 9000:2015 Quality management systems — Fundamentals and vocabulary.
• 17. Krawczyk A. (2012): Możliwości wykorzystania personalnej bazy danych przestrzennych SpatiaLite w praktyce górniczej (The possibility to use the SpatiaLite personal spatial database in mining practice). Roczniki Geomatyki (Annals of Geomatics), Vol. 10, No. 2, pp. 45–49.
• 18. Nasiri A., Ali Abbaspour R, Chehreghan A., Jokar Arsanjani J. (2018): Improving the quality of citizen contributed geodata through their historical contributions: The case of the road network in OpenStreetMap. ISPRS Int J Geo-Inf. 7(7): 253.
• 19. Noronha V., Church R.L. (2002): Linear Referencing and Alternate Expressions of Location for Transportation. California Department of Transportation.
• 20. Noronha V., Goodchild M.F. (2000): Map accuracy and location expression in transportation – reality and prospects. Transportation Research Part C: Emerging Technologies, 8(1): 53–69.
• 21. Obeirne J. (2017): Google Maps’s Moat. How far ahead of Apple Maps is Google Maps? https://www.justinobeirne.com/google-maps-moat
• 22. Open Knowledge Foundation (2021): Open Data Commons Open Database License (ODbL) v1.0. https://opendatacommons.org/licenses/odbl/
• 23. OpenStreetMap (2021): Map features. OpenStreetMap Wiki. https://wiki.openstreetmap.org/wiki/Map_features Order No. 18 of General Director for National Roads and Motorways of 1 July 2012 on rules for determining and conducting mileage of national roads.
• 24. Owczarek B., Nawrocki T. (2018): Pożegnanie z Google Maps (Farewell to Google Maps). https://www.gdziepolek.pl/blog/pozegnanie-z-google-maps
• 25. Vivid Solutions (2005): RoadMatcher. http://www.vividsolutions.com/products.asp?catg=spaapp&code=roadmatcher
• 26. Zielstra D., Zipf A. (2010): A Comparative Study of Proprietary Geodata and Volunteered Geographic Information for Germany. Proceedings of the 13th AGILE International Conference on Geographic Information Science. 10–14 May 2010, Guimarães, Portugal.