Objekterne kom fra nær og fjern

(Artikelserie Dit og mit kort, 245). I serien om Overpass søgninger er vi nået til de to søgeoperatorer “around” og “difference“. De to søgeoperatorer sammen giver mulighed for at søge efter geografiske objekter i OpenStreetMaps geodatabase, der befinder sig i nærheden eller fjernt fra hinanden målt på en bestemt afstand (angivet i meter).

Vi tager her som case danske adresser, da OpenStreetMap har Danmarks ca. 2,3 millioner adresser. Da flere og flere kommuners bygningspolygoner er kommet ind i OpenStreetMap, så fremtræder også fejlplaceret adressepunkter også meget synligt, når man redigerer i disse områder i OpenStreetMap. Hovedreglen for at placere et adressepunkt (kun et koordinatpunkt) i et boligområde er, at den skal placeres ca. 3 meter fra hovedindgangen til boligen (henover bygningspolygonen).

Adressepunkter kan også placeres på byggepladser, vindmøller, transformatorstationer osv. Det er meget op til de enkelte kommuner at vælge om fx en vindmølle skal have et adressepunkt. Det kan fx være af stor praktisk betydning, så evt. ambulance/politi kan finde stedet med vindmøllen i tilfælde af en arbejdsulykke.

Lad os tage en Overpass søgning ved Gerlev Strandpark i Frederikssund Kommune. Søgningen har en buffer på 5 meter mellem et adressepunkt og en bygning (prøv søgningen selv her), derved finder vi dem som er helt oplagte forkert placeret.

Gerlev Strandpark

Vi kan importere de fundne adressepunkter (som en GeoJSON fil) ind i QGIS og så bruge Geodatastyrelsen forårs luftfoto som grundkort. Det ses tydelig i billedet nedenunder at de gule prikker (adressepunkter) ikke er korrekt placeret, de skulle rykkes længere ind og henover bygningerne.

Gerlev Strandpark

Overpass søgningen virker så ikke over adressepunkter som er placeret på byggegrunde, da bygningerne ikke er færdige endnu. Søgningen vil så heller ikke være god at bruge i kommuner der ikke har fået importeret deres FOT bygninger ind i OpenStreetMap endnu.

Gårde er et kapitel for sig selv vedr. adressepunkt placeringer – basisreglen er, at når der er et adressepunkt, så er det henover stuehuset dette punkt skal placeres og ikke over laden/staldene. Der er virkelig mange fejlplaceringer rundt omkring i Danmark ved gårdområder. Jeg vil give her et forsigtigt bud, så snakker vi mindst 3.000 gårdes adresser i Danmark som er fejlplaceret. Du kan se sådan et eksempel i billedet nedenunder [På OpenStreetMap her) – Adressepunktet (4 tallet) skal flyttes hen på stuehuset, som en OSM frivillig har navngivet Druedal. Overpass søgningen vil heller ikke fange disse fejlplaceret gårdadresser.

Druedal - Gård

Nu er der ved at ske ting og sager på adressekvalitets området – Der er blevet afsat penge fra Staten i 2014 til ca. 80 årsværk der skal forbedre adresserne ude i kommunerne. Det kan du læse mere om i “På vej mod endnu bedre adresser” (PDF link).

Vi kan også lave den modsatte Overpass søgning, hvor vi skal finde adressepunkter der er max 5 meter fra en bygning. Prøv søgningen ved Gerlev Strandpark her.

Gerlev Strandpark

Der er mange andre muligheder med “around” og “difference” operatorerne i Overpass – Hvad med at finde værthuse der befinder sig maks. 100 meter fra en kirke? eller hvad med at finde fastfood steder der befinder sig maks. 200 meter fra skoler? Du kan også tage et kig på listen over de mere simple Overpass søgninger, som du finder her.

En stor tak til Martin Raifer, udvikleren af Overpass Turbo for forklaring/hjælp vedr. “around” og “difference“.

Alle 17 Overpass søgeeksemplerne kan nu hentes hos GitHub Gist

(Artikelserie Dit og mit kort, 243). Hvis du har fulgt min serie om OverPass Turbo, og har set de mange forskellige muligheder, der er for at lave datamining ind i OpenStreetMaps geodata. Med Overpass Turbo er der muligheder for at se, hvad der er af forskellige geografiske objekter i dit lokalområde eller hvad der så mangler hos OpenStreetMap baseret udfra dit lokale kendskab. Mangler der noget? – Er du naturligvis velkommen til at få lagt det ind i OpenStreetMaps geodatabase.

Jeg har i mine otte indlæg brugt 17 forskellige eksempler med Overpass søgninger, og disse kan nu hentes som en Gist hos GitHub. Du kan kopiere og afprøve disse af selv. Der er i hvert eksempel skrevet en note øverst, der fortæller dig konkret, hvad der bliver søgt efter.

Hvis du for eksempel vil prøve Overpass søgningen med militære områder i Nordkorea – Så kopier du alt teksten i vinduet fra GitHub Gist (se billede nedenfor)

Militære områder i Nordkorea
(Billede – Gist med Nordkorea militærområder Overpass søgning)

Dernæst går du til Overpass Turbo siden. I venstre side indsætter du den kopierede Overpass søgning (husk at slette hvis der står en søgning i forvejen). Dernæst klikker du på “Søg“, og nu skulle der gerne komme militæreområder fra Nordkorea frem. Der er så eksportmulighed i GeoJSON, GPX eller rå XML format, hvis det er det du ønsker at lege videre med.

Militære områder i Nordkorea
(Billede – Overpass Turbo med Nordkorea søgningen)

Du kan selv prøve at ændre i de forskellige parametre (forskellige tags med key + value) i Overpass søgningerne.

Du kan også linke direkte til Overpass søgningen på GitHub Gist – oppe og til højre er der et “Permalink”.

Hvis der er en Overpass søgning, du ønsker at se hvordan den skal opbygges, så skriv gerne en kommentar. Jeg vil så lægge den ønskede søgning ud på GitHub Gist’en.

Bind snørebåndene og hop med på datamotionsbølgen

(Artikelserie Dit og mit kort, 242). Det ottende afsnit om Overpass søgninger skal handle om en ny funktion kaldt Difference-Operator, som jeg bedre vil betragte som en NOT søgeoperator. OpenStreetMap følger Wikipedias ide om at man hele tiden kan gøre/værdiberige artikler bedre, hvis man har mere information at tilføje.

I OpenStreetMap regi er det at tilføje endnu flere tags (key + value) til et allerede eksisterende geografisk objekt i OpenStreetMaps database. Hvis du nu har et tag (key + value) som du finder er meget relevant og giver god mening at tilføje geografisk objekt type XX. Du ønsker at vide hvilke geografiske objekter af typen XX som ikke (NOT kommer ind her) har fået et bestemt tag (key + value) endnu. Dette kan vi lave i en søgning med den nye Difference-Operator funktion i Overpass.

Vi tager her som case trapper (tag highway=steps) som ikke har fået tilføjet tagget (step_count=ETTALHER) endnu i København/Frederiksberg området (prøv søgningen her)

NOT operator Overpass
(Billede – Overpass søgning med Difference-Operator)

I venstre side vil du kunne se syntaksen for Overpass søgningen. I højre side på kortet skulle du (dags dato) se 381 trapper i området som ikke er blevet talt endnu, da tagget “step_count=ETTALHER” mangler.

Trapper der mangler at blive talt antal trappetrin
(Billede – Kort med trapper der ikke er talt op)

Overpass Turbo giver mulighed for at eksportere et kortudsnit som et billede. Så zoom hen til det område, du vil gå i krig med. Dernæste vælger du oppe “Eksporter“>”Kort“>”som png billede” og nu skulle der gerne hentes et billede ned. Se billedet nedenfor med eksport fra Christianshavns området. (fuld størrelse af billedet kan ses her)

Christianshavn
(Billede – Kortudsnit ved Christianshavn af manglende talte trapper)

Du kan printe dette billede ud og tage med ud på din løbetur sammen med en kuglepen og dit kamera. På det printede kort kan du så skrive antal trappetrin efterhånden som du får løbet dem igennem. Nu er det ikke kun trappetrin, der er de eneste interessante tags – oplysninger om man i kørestol kan komme op/ned ad trappen (tag wheelchair=no/yes), er der et gelænder at holde fast i (tag handrail=yes/no), er der en cykelrampe ( tag ramp:bicycle=yes/no ) og er trappen belyst om aftenen (tag lit=yes/no) er også nyttigt. For at huske alle disse oplysninger, så kommer dit kamera dig til hjælp – Tag billeder af trapperne og hjemme igen så gense dem og dernæst læg så tags ind i OpenStreetMap.

Et eksempel med en trappe i billedet nedenfor er fra Frederikssund Sygehus.

Trappe ved Frederikssunds Sygehus
(Billede – Trappe ved Frederikssund Sygehus)

Og de tags som der er brugt til at beskrive trappen kan ses i det næste billede (eller se på OpenStreeetMap her). OpenStreetMaps Wiki har mere information om trapper her.

Tags for trapppe ved Frederikssunds Sygehus
(Billede – Tag beskrivelsen for trappe ved Frederikssunds Sygehus)

Hvorfor bruge tid på kortlægning af dette og hvad er nytten af trapper? OpenStreetMap er de eneste som i stor stil kortlægger trapper. Der er pt. ca. 6700 km trapper globalt kortlagt og i Danmark er er vi oppe på en total længde på 57,8 km af trapper. Trapper i OpenStreetMap regi kan fortælle dårligt gående eller folk i kørestol, at her skal de ikke bevæge sig hen/ud. Blinde kan få læst advarsel op om at der er trapper på vej (Læs BBC artikel fra i går om en blind der bruger BlindSquare – som er baseret på OpenStreetMaps geodata). Folk på cykelferie kan også orientere sig om der er trapper på vej og dermed finde en anden vej, eller beslutte sig for, hvis der er cykelrampe at trække cyklerne ned.

Der er selvfølgelig lang vej endnu før alle trapper i verden er kortlagt. Men den mission starter jo hos dig og i dit lokalområde. Hvad med at afveksle dine motionsture med dataindsamlinger? – Lav en dataindsamlings udfordring mod dine venner på, hvem får talt flest trapper i jeres lokalområde (samt gerne tilføjet med nogle af de andre ovennævnte tags).

En anden udfordring kunne at være at tælle cykelparkeringspladser (tag amenity=bicycle_parking), hvor tagget “capacity=ETTALHER” ikke er brugt endnu. Samme område søgning som ved trappeeksempel kan prøves her. Der skulle pt. være 195 cykelparkeringspladser i København/Frederiksberg området, der ikke er blevet optalt endnu.

Ej optalte cykelparkeringspladser i København
(Billede – Ej optalte cykelparkeringspladser i København)

Du kan selvfølgelig ændre i Overpass søgningerne til dit eget lokalområde samt efter andre geografiske objekter.

Lav geodatavisualiseringer med MapCSS af OpenStreetMaps talværdier

(Artikelserie Dit og mit kort, 241). Vi vender i det syvende afsnit om Overpass søgninger tilbage til MapCSS (se afsnit 3,4 om MapCSS). Denne gang vil jeg se på talværdier i tags (key=ETTALHER) fra OpenStreetMap.

Første case – vi vil vise trapper (tag highway=steps) hvor antallet af trappetrin (tag step_count=ETTALHER) er blevet talt af OpenStreetMap frivillige. Dernæst vil vi vise tydeligt, hvor trapper med mange trin befinder sig. Som demo tager vi trapper med optalte trappetrin i Frederikssund Kommune (prøv søgningen her).

MapCSS
(Billede – MapCSS )

I venstre side nederst i søgesiden er MapCSS udformet, så antallet af trin giver en større blå cirkel på OpenStreetMap kortet jo flere trin der er. Du kan klikke på en cirkel og få geodata oplyst om trappen. Centrum af cirkel er der hvor trappen befinder sig.

Trappetrin optælling i Frederikssund
(Billede – Trappetrin i Frederikssund)

Du kan prøve at ændre farveværdierne og tallet i “3.50*Math.sqrt” i MapCSS delen samt en anden kommune og så klikke på “Søg” knappen. Nu er alle trapper og trappetrinene i OpenStreetMap ikke blevet talt op endnu. Du kan så på din næste løbetur eller gåtur få talt disse manglende trapper op i dit lokalområde.

Anden case – Vi vil vise antallet af cykelparkeringspladser (tag amenity=bicycle_parking & capacity=ETTALHER) i Københavns Kommune. (prøv søgningen her). Jo flere cykelparkeringspladser jo større grøn cirkel på kortet. Og igen er centrum af cirklerne der, hvor cykelparkeringspladserne befinder sig.

Cykelparkering Holmen
(Billede – Cykelparkeringspladser på Holmen)

Prøv i Overpass søgningen at angive en anden kommune og klik så på “Søg” knappen. Det skal så nævnes her, at alle cykelparkeringspladser i København ikke er blevet optalt endnu og lagt i OpenStreetMap. Det er så en udendørs OpenStreetMap kortlægningsaktivitet, du kan lave for dit lokalområde, uanset hvor i landet du befinder dig.

Mine to cases her skulle gerne vise at mange kortlægningsaktiviteter i OpenStreetMap regi sker ved udendørs geodataindsamling, du kan ikke på et luftfoto afgøre fx antal trappetrin. Så som frivillig i OpenStreetMap kan det give masser af frisk luft og motion disse ture ud på feltarbejde.

Mit næste afsnit om Overpass søgninger skal handle om, hvordan finder du geografiske objekter som mangler at få et bestemt tag fx hvilke trapper i et lokalområde har ikke fået talt antal trappetrin op endnu.

Hvad er der sket siden sidst søgninger med Overpass Turbo

(Artikelserie Dit og mit kort, 240). Det sjette indlæg med Overpass søgninger skal handle om tidsstempler (afsnit 1,2,3,4,5). Lad os forestile du vil vide i dit lokalområde, hvilke nye geografiske objekter af en bestemt type (fx tag = key +value) der er blevet tilføjet/ændret siden en bestemt dato. Alle geografiske objekter der lægges ind i OpenStreetMap får et tidsstempel (der bruges UTC (Zulu) tid som datatid) og dermed er det også søgbart. Overpass har også denne mulighed for at søge i disse tidsstempler.

Vi tager som Overpass casen i dag – Vis mig alle butikker (tag – shop=XXbutiktype), der er blevet tilføjet/ændret i Holstebro Kommune siden 1. juli 2013. (prøv søgning her)

Overpass Turbo søgning med tid
(Billede – Holstebro Kommune Overpass søgning efter tidsstempler for butikker)

I venstre side af Overpass Turbo vinduet vil du i søgningen se følgende søgeargument <newer than="2013-07-01T00:00:00Z"/>. Grunden til at du ser det tidsstempel søgeargument gentaget tre gange er, at en butik (tag – shop) kan være lagt ind i OpenStreetMap som et enkelt punkt , et område (som regel i en bygningspolygon) eller i en relation (som regel multipolygon af bygning). Så for at fange i Overpass søgningen alle indførsler skal det gentages det tre gange.

Holstebro Kommune
(Billede – Output af søgninger efter tidsstempler)

Du kan prøve at ændre i Overpass søgningen til din egen kommune, benytte nogle andre tags og ændre i tidstempel osv.

Søgning efter tidsstempler kan også være praktisk, hvis du afholder et mapping party – Nye frivillige kan ved selvsyn se hvad der er sket i tilførelsen af nye geografiske objekter til OpenStreetMap og der kan laves en interaktiv visualisering af dette tidsrum. Du kan fx se den visualisering jeg lavede efter et mapping party afholdt hos firmaet Magenta ApS i 2012.

Næste afsnit om Overpass Turbo vil handle om en helt ny funktion i Overpass, som bliver kald “Difference-Operator”, hvilket bedst kan beskrives som værende en “NOT” søgeoperator.

Søg efter mange geografiske objekttyper i et hug med Overpass Turbo

(Artikelserie Dit og mit kort, 239). Femte afsnit om Overpass Turbo skal handle om søgeoperatoren “OR” (afsnit 1,2,3,4). Du vil fx vide hvilke 3 forskellige geografiske objekttyper, der findes i et bestemt område i OpenStreetMaps database. Du har så 3X Tags ( 3X keys + 3X values) der skal ledes efter i kun en Overpass søgning.

Vi kan tage som case, at vi skal finde geodata om alle værtshuse (tag amenity=pub), cafeer ( tag amenity=cafe) og alle fastfood steder (tag amenity=fast_food) i et område, som OpenStreetMap frivillige indtil videre har lagt ind. Søgning til Vesterbro området kan prøves her. Du kan flytte kortet til dit eget lokalområde og så klikke på “Søg” knappen.

I venstre side af Overpass Turbo har vi, hvordan søgningen skal se ud.

Overpass søgninge med OR
(Billede – Overpass søgning med “OR” funktion)

Det er følgende “k="amenity" regv="pub|cafe|fast_food” i søgningen, der fungerer som en “OR” operator.

Jeg har derudover tilføjet noget MapCSS, så man kan skelne hurtigt på kortet, hvornår vi har et værtshus (blå), cafeer (rød) eller fastfood steder (sort). Og igen skal nævnes at hvis du ved der mangler nogle – så kan disse POIs lægges ind i OpenStreetMaps database og dermed værdiberige geodatabasen endnu mere.

Vesterbro
(Billede – Vesterbro søgning efter værtshuse, cafeer og fastfood steder)

Næste afsnit om Overpass Turbo vil handle om en helt tny funktion i Overpass, som bliver kald “Difference-Operator”, hvilket bedst kan beskrives som værende en “NOT” søgeoperator.. Jeg har ændret det til Overpass søgninger med tidstempler i denne serie.

MapCSS af OpenStreetMaps indhold af 404 og atomprøvesprængninger

(Artikelserie Dit og mit kort, 238). Det fjerde afsnit om Overpass Turbo fortsætter med MapCSS (afsnit 1,2,3). Denne gang om brugen af ikoner i MapCSS.

Her kan vi starte med at lave en Overpass søgning efter husnumre i Danmark, som har 404 (tag addr:housenumber=404 ) i adressen.

404 adresse
(Billede – 404 husnummer fra Nordsjælland)

Hvis du går ned i Overpass Turbo søgesyntaksen i billedet (søgning kan prøves her), hvor MapCSS starter.

MapCSS med ikonstil
(Billede – MapCSS syntaks med ikonbrug)

Her vil du se at i MapCSS, så er det bare et link til et ikon lagt ud på Dropbox og det vil så i Overpass Turbo kortet til højre vise et 404 ikon.

404 ikon på Overpass Turbo
(Billede – 404 søgning i Nordsjælland)

Du kan klikke på ikonerne for at få mere at vide eller du kan eksportere de fundne geodata (se afnit 2 om dette).

Vi tager et eksempel mere med Overpass Turbo – Vi vil finde alle de steder i Algeriet, hvor der blev lavet atomprøvesprængninger i 1960′erne (tag military=nuclear_explosion_site) (prøv søgning her).

Algeriet - atomprøvesprængninger
(Billede – Atomprøvesprængninger i Algeriet)

Du skulle gerne se et atompaddehat ikon i Overpass Turbo kortet til højre med stederne. Igen er det muligt at hente disse geodata ud fra OpenStreetMap og arbejde videre med.

Næste afsnit om Overpass Turbo vil dreje sig søgeoperatoren “OR” – Vi har i denne Overpass Turbo serie kun berørt “AND” og så wildcard søgninger (Wikipedia eksemlet i afsnit 1).

Brug MapCSS i Overpass Turbo søgninger

(Artikelserie Dit og mit kort, 237). Det tredje af snit om Overpass Turbo skal handle om brugen af MapCSS (afsnit 1,2). Et geografisk objekt kan i OpenStreetMap regi godt have forskellige egenskaber. Så for at lave en Overpass søgning der finder alle geografiske objekter af type X, men har forskellige egenskaber, så kan MapCSS bruges til at visualisere disse forskellige egenskaber. Dette kan bruges for hurtigt at kunne skelne forskelle i output på kortet.

Vi tager bænke som en Overpass Turbo case. En bænk (tag amenity=bench) kan tagges med om, der er ryglæn eller ej. (tags backrest=yes eller backrest=no). Det er ikke noget krav i OpenStreetMap regi, at man absolut skal tilføje en af disse to egenskaber (tags backrest=yes/no) for at lægge en bænk ind i OpenStreetMap.

Bænk
(Billede – Bænk ved Græse Bakkkeby)

Jeg laver nu en Overpass søgning efter alle bænke i et område og tilføjer lidt MapCSS, der så vil tage højde for at bænke har/kan have forskellige egenskaber (prøv søgning her).

Overpass Turbo med MapCSS
(Billede – MapCSS og Overpass syntaks)

I venstre side, hvor søgningssyntaks befinder sig, så nederst er MapCSS syntaksen angivet. Bænke med ryglæn vil blive vist med blå farve på kortet til højre – uden ryglæn er vises med en brunlig farve. Hvis bænken ikke er blevet angivet med nogle af de to egenskaber, vil det blive vist med en grålig farve. Prøv evt. selv søgningen ved at flytte kortet i højre side hen til dit lokal område og klik så på “Søg“. NB OpenStreetMap Danmark har ikke alle bænke registreret, men hvis du synes der mangler nogle offentlige bænke i dit lokal område, er du velkommen til at kortlægge disse.

Overpass Turbo - søgning
(Billede – Bænke i Jægerspris Slotspark)

Hvis du undrer dig over “area[backrest=yes]” i MapCSS – Hvordan kan en bænk være en polygon (area)? De fleste bænke er også angivet i OpenStreetMap som et enkelt punkt, men der kan findes bænke, der er så store at den OpenStreetMap frivillige har valgt at indtegne den som et område og ikke som et enkelt punkt(se globale tal for bænke hos taginfo her).

Hvis du bruger MapCSS og deler dine søgninger (omtalt i afsnit 2), så er det en god ide øverst i søgningen at beskrive hvad søgningen leder efter og hvordan det så bliver visualiseret med farver osv.

Bemærk MapCSS er altså ikke nogen standard. Det kaldes bare MapCSS fordi det har samme syntaks opbygning som CSS til HTML elementer.

Næste afsnit i denne serie med Overpass Turbo er MapCSS med brug af egne ikoner (hvis du ikke allerede har gættet hvordan).

Hyperlokale geodataanalyser med dansk version af Overpass Turbo

(Artikelserie Dit og mit kort, 235). Hvis du fik læst mit sommerindlæg med at indsamle drikkevandsposter til OpenStreetMap, så bemærkede du måske at det er relativt simpelt at lave lokale geodata informationsøgninger efter bestemte geografiske objekter via Overpass Turbo ( prøv evt. søgningen her). Denne søgning søger så kun i den geografiske afgrænset firkant af kortudsnittet som du ser.

Hvad nu hvis man vil afgrænse søgningen til en bestemt kommune? Dette er intet problem med Overpass Turbo. Fx denne her søgning leder kun efter drikkevandsposter i Frederikssund Kommune.

Drikkevandsposter i Frederikssund Kommune
(Billede – Fundne drikkevandsposter i Frederikssund Kommune)

Når søgningen er udført så vil der nede i højre hjørne af kortet vil der nu stå hvor mange geografiske objekter OpenStreetMap har af drikkevandsposter i Frederikssund Kommune.

Drikkevandsposter i Frederikssund Kommune
(Billede – oplysninger om antal drikkevands objekter fundet)

I venstre side af Overpass Turbo er der et søgevindue. I dette vindue kan du skrive/lave andre søgninger i. Syntaksen er her opbygget i en XML lignende stil. Det vigtigste er at huske at alle tags i OpenStreetMap er opbygget på følgende vis.

tag = key + value fx amenity[key] og drinking_water[value]

Så hvis jeg fx vil søge efter cykelforretninger (tag = shop + bicycle) i Roskilde Kommune så er søgesyntaksen (se i billede) her.

Cykelforretninger i Roskilde Kommune
(Billede – Søgesyntaksen for cykelforretninger i Roskilde Kommune)

Indtil videre har vi så kun prøvet søgninger, der har faste “Key + Value“. Men hvad nu hvis en “value” er forskellig fra det ene geografiske objekt til det andet? Dette er fx tilfældet med Wikipedia artikler. Den slags søgninger er også lette at lave. Se denne her søgning som kun leder efter Wikipedia artikler i Langeland Kommne. Bemærk at “value” elementet er fjerne fra XML søgesyntaksen. NB alle “key” elementer i OpenStreetMap skrives med småt, så det er ikke en fejl at der skrives “wikipedia” for key elementet.

Søgning efter Wikipedia artikler
(Billede – Søgesyntaks Wikipedia artikler i Langeland Kommune)

Vedr. Langelands søgningen så ved jeg at Wikipedia Danmark har flere geotagget artikler end der bliver fundet via Overpass Turbo (indtil videre). Dette betyder så at OpenStreetMap frivillige kan gå i gang at koble endnu flere Wikipedia artikler sammen med geografiske objekter i OpenStreetMap. Overpass Turbo kan bruges som værktøj til at se hvad der evt. mangler af geografiske objekter i et lokal område.

Hvis du skal arrangere et OpenStreetMap Mapping Party (ældre OpenStreetMap frivillige møder nybegyndere og introducere dem til OpenStreetMap universet) kan du også bruge Overpass Turbo som idekatalog fx hvad er der af statuer/mindesmærker i lokalområdet og så lade det være temaet for mapping party.

Overpass Turbo giver også mulighed for at gemme dine søgninger – Klik på “Gem” knappen oppe, når du har lavet en interessant søgning du vil gemme.

Gem søgning
(Billede – Gem søgning i Overpass Turbo)

Du henter dine gemte søgninger frem igen under “Indlæs” knappen placeret oppe.

Gem søgning
(Billede – Indlæs gemte søgninger i Overpass Turbo)

De kommende artikler vil handle om hvordan du deler søgninger, eksporter geodata (XML eller GeoJSON format), laver endnu mere specielle geodatasøgninger samt laver CSS lignende styling af søgninger med MapCSS i Overpass Turbo. Overpass Turbo er udviklet og vedligeholdes af Martin Raifer og Openpass Turbo er lagt ud som open source på GitHub.

Overpass Turbo er ikke beregnet til fx download/visning af alle geodata i Danmark i et hug. Jeg henviser her til Geofabriks daglige lande download arkiv.

GitHub smider nu automatisk en GeoJSON fil henover et Mapbox kort

(Artikelserie Dit og mit kort, 227). GitHub har i dag introduceret en ny kortfunktion. Hvis du har en GeoJSON fil lagt op på GitHub, så vil denne fil nu automatisk blive lagt henover et Mapbox kort (som er baseret på OpenStreetMaps geodata). Det er så Leaflet.js, der håndterer GeoJSON renderingen. Denne nye kortfunktion fra GitHub gør det lettere for andre at se, hvad det egentlig er denne GeoJSON indeholder af geografisk information.

Jeg har hurtigt lavet en dansk GeoJSON demo, der viser alle navngivne søer på Bornholm (som det offentlige har kendskab til).

Bornholms navngivne søer

Opdatering 14-06 – kl. 9:20. Jeg har lavet endnu en demo på GitHub. Denne demo viser alle Danmarks 468 sommerhusområder.

Danmarks sommerhuseområder

Geodata stammer fra Geodatastyrelsens SNSOR database (stednavne). QGIS softwaren er brugt til at klippe de bornholmske geodata fra en ESRI shape file ud og så konvertere til en GeoJSON fil (i WGS84 projection).

Opdatering 17-06- kl. 11.40. Jeg lavede en test på om Overpass Turbo’s eksport GeoJSON format spiller let sammen med GitHub. Overpass Turbo er et søgeinterface op mod OpenStreetMaps database. Jeg lavede først en søgning på alle mindesmærker i Jægerspris i Overpass Turbo (prøv søgning her). Dernæst eksport i GeoJSON, og så dernæst denne fil ud på GitHub. Det spiller nemt og hurtigt sammen. Se GeoJSON filen på GitHub her.

Mindesmærker i Jægerspris

Of all the Bitcoin POIs in all the towns in all the world

(Artikelserie Dit og mit kort, 212). Efter jeg havde læst en artikel om internetvalutaen Bitcoin kunne det være interessant at tjekke OpenStreetMaps for POIs der evt. modtager bitcoins. Jeg tjekkede først Taginfo for mulige “tags” kandidater og fandt ganske rigtigt også noget brugbart.

Dernæst var det bare at hente de geografiske data (i XML format) i Overpass API med Wget programmet med følgende søgning.

wget -O bitcoin.osm http://www.overpass-api.de/api/xapi?*[payment:bitcoin=yes][@meta]

Dette OpenStreetMap format kan læses af QGIS softwaren. Jeg kan så aflæse I QGIS at indtil videre er 8 POIs der har modtager bitcoins som betaling. Det danske hotel Bandholm Hotel var også blevet lagt ind (nævnt i artiklen )


(Bilede – Bandholm Hotel set i QGIS)

Okay, nok ikke verden mest interessante geografiske søgning ovenstående, men et godt eksempel på at du hurtigt kan lave geografiske søgninger ind i OpenStreetMaps geodata efter hvilket som helst emne og muligt at afgrænse til bestemte emner samt områder.

Beslæget artikel med geografisk søgning i OpenStreetMap – “Bliv den næste Carl von Clausewitz militæranalytiker med åbne geodata og QGIS”

Hvad neogeografi kan fortælle os om Rosa Luxemburg i Berlin anno 2013

I anledning af Kvindernes internationale kampdag tager vi en geografisk case med en af de helt store kvinder. Det er Rosa Luxemburg som jeg her vil knytte geografisk sammen med Berlin anno 2013 via OpenStreetMap.

Først skal vi have lavet et geografisk søgeargument som finder alt, hvor “*Luxemburg*” indgår, så vi får det hele med. Jeg benytter Overpass Turbo til at få lavet en API søgning. Du kan efterligne min søgning ved at klikke på linket her og dernæst klik på “Run” knappen oppe. I højre side er der et OpenStreetMap kort, som er det område af Berlin min Rosa Luxemburg API søgning leder efter geografiske objekter i.


(API søgning i Overpass Turbo)

Når “Run” er udført, så vil du se på dit OpenSteetMap kort. hvor søgeargumentet “*Luxemburg*” har fundet geografiske objekter i Berlin.

Zoom ind på Berlin kortet og klik på de forskellige objekter. Vi finder nogle skoler fx Rosa Luxemburg Grundschule, Rosa Luxemburg Gymnasium og Rosa Luxemburg Oberschule. Vi finder også et institut der beskæftiger sig med hende nemlig Rosa Luxemburg Stiftung.


(Billede – Rosa Luxemburg Grundschule i Potsdam)

Bevæger vi os ned mod Landwehrkanal ved Tiergarten, så finder vi mindesmærket Rosa Luxemburg Denkmal. Lige ved siden af finder vi en dobbeltbro, hvor den ene halvdel af broen i 2012 blev døbt officelt Rosa Luxemburg Steg. Siden 1987 har aktivister i Berlin kæmpet for, at denne gangbro fik dette navn. Det område ved Landwehrkanal er nemlig der, hvor liget af Rosa Luxemburg blev kastet i floden i 1919.


(Billede – Tiergarten ved Landwehrkanal )

Så har vi pladser og vejnavne i Berlin, Rosa Luxemburg Platz, Rosa Luxemburg Allee, Rosa Luxemburg Weg og Rosa Luxemburg Straße. Hvad der overraskede mig lidt var, at mange bydele i Berlin har deres egen Rosa Luxemburg Straße.

Nu handler den neogeografiske revolution ikke kun om at se på geodata, men også om at kunne dele disse og benytte dem i andre sammenhænge. Så oppe i Overpass Turbo værktøjet er der en “Export” knap. Her kan alle geografiske objekter vedr. min API søgning på “*Luxemburg*” hentes i XML eller geoJSON format, og du kan arbejde videre med disse geodata.

Min ovenstående Rosa Luxemburg case er et glimrende eksempel på, hvordan man hurtigt kan lave geodatamining og få et overblik. Nu er Berlin valgt pga det område er en slags neogeografisk bannerfører i OpenStreetMap sammenhænge. Det er utrolige mængder af geodata og informationer det tyske OpenStreetMap community har lagt ind i databasen om Berlin.

Denne geodatarevolution vi er vidner til i Berlin (de er slet færdige endnu dernede) de seneste par år, er så standarden for, hvordan resten af verdens frie geodata kan laves/gøres. Så kortlæg dit nærområde og deltag i verdens største geografiske crowdsourcing projekt. Vigtigst af alt – Geodata stilles frit tilrådighed.

Forsat god dag.

Bliv den næste Carl von Clausewitz militæranalytiker med åbne geodata og QGIS

(Artikelserie Dit og mit kort, 204). Mit indlæg i går handlede om Google Maps og OpenStreetMap i Nordkorea. De store medier verden over satte uden den mindste tøven, så Google Map lig med at være de første, som i større stil har digitaliseret vektorkort (crowdsourcing via Google Map Maker ) over Nordkorea. Nu har OpenStreetMap været aktiv i området i meget lang tid og har mange flere steder meget bedre indhold. Men der skal her siges, at både Google Maps og OpenStreetMap har meget lang vej i Nordkorea endnu før vi ser dækningsgrader, som vi kender det fra Vesten.

Nordkorea er et meget lukket land, så derfor drager nysgerrigheden mange med at se satellitbilleder over landet. Spotning af militære installationer er en hitter. Nu er det ret svært i et ukendt land og terræn at finde disse. Heldigvis kan åbne geodata fra OpenStreetMap hjælpe dig godt på vej med at få spottet en hel del af disse områder i Nordkorea. Så her kommer en virtuel krigsturisme guide til Nordkorea.

Jeg skal først have hentet alt geodata fra OpenStreetMap vedr. militære områder i Nordkorea. Det gør jeg med en søgning i Overpass API og henter en OpenStreetMap fil via Wget programmet ned. (se søgning neden for)

wget -O nordkoreamilitary.osm http://overpass-api.de/api/xapi?*[landuse=military][bbox=124.02,37.7793,131.03,43.04][@meta]

Denne fil (her navngivet nordkoreamilitary.osm) indholder polygonerne over militære områder. OpenStreetMap filen åbnes via det gratis QGIS program (findes til Windows, Linux og Mac). I QGIS slår jeg tillige også satellit-billede lagene fra Bing Maps og Google Maps til. Jeg har her farvelagt polygonerne med en kraftigt gul, så er det nemt at spotte i landskabet ved zoom ind, hvor der er blevet angivet militære områder af OpenStreetMap frivillige.


(Billede QGIS – gule polygoner er militære områder)

Hvis jeg vil se hvad der gemmer sig bag en gul polygon, så går jeg ud til venstre i QGIS ved “Layers” og fjerner krydset for OpenStreetMap “polygon” filen.

Jeg kan nu se, hvad der gemmer sig bag ved.


(Militærområde vist på Google Maps)

Jeg har fx ved flybasen Toksan spottet 8 kampfly (billede nedenfor) fra Bing Maps. Disse fly ligner MiG-21, MiG-29 eller MiG varianten Chengdu J-7 (kinesisk kampfly på MiG licens). Jeg skal ikke gøre mig til flyekspert her og sige præcis hvilken type fly det er.


(Kampfly ved militærflybasen Toksan vist på Bing Maps)

Der kan bruges mange timer på at være “Virtuel krigsspotterturist” i Nordkorea. Nu skal du så ikke gå ud fra at OpenStreetMap er 100 % dækkende vedr. alle militære områder. Hvis du spotter et område som ikke er med endnu, så er ideen jo, at du via OpenStreetMap tilføjer dette område. Du vil selvfølgelig aldrig nogen sinde få så stor en indsigt som militær efterretningstjenesterne har.

Opdatering – 11:40 – Du kan nu downloade miltærområderne hentet fra OpenStreetMap og så selv lege rundt med i QGIS – Format shape hent her (24 KB pakket i zip).

Beslægtet artikel med brug af åbne geodata fra OpenStreetMap – Se hvor henne i verden der har været ca. 2405 atomprøvesprægninger.