[API, Геоинформационные сервисы, Визуализация данных, Инфографика] Кому на Руси жить хорошо? Как мы искали самый “зеленый” город с помощью OpenStreetMap и Overpass API
Автор
Сообщение
news_bot ®
Стаж: 6 лет 3 месяца
Сообщений: 27286
У каждой карты есть легенда: именно она говорит читателю о том, что и каким образом на ней обозначено. Домам соответствуют многоугольники серого цвета, дорогам — отрезки и кривые, территории парков и скверов заливаются светло-зеленым и украшаются пиктограммой дерева. А к некоторым картам добавляют полезное приложение — список этих самых дорог с протяженностью, количество парков, лавочек и мусорных урн.
Когда мы готовились к автоматизации работы местных муниципальных служб, мы обратили внимание на использование картографии, которое мы сочли действительно мощным и эффективным инструментом для решения широкого кластера задач. На карте можно отображать актуальную информацию о местоположении объектов, маршруты движения уборочной техники, транспорта, план работы и тепловую карту с проблемными и “здоровыми” участками.
Использование картографии в целом помогает ускорить время реакции и принятия решений по экстренным вопросам, упрощает процесс планирования и прогнозирования, а главное — вся информация доступна в максимально наглядном виде.
В ходе работы с одним из заказчиков перед нами возникла интересная задача — подсчитать количество объектов на карте по категориям.
Найти
Определить самый “зеленый” город в ЦФО по совокупности следующих данных: количество лавочек, урн и парков.
Дано
Картография. В качестве плацдарма мы выбрали OpenStreetMap (далее — OSM) по весьма простой причине — Open Source.
Решение
Существует несколько подходов к решению поставленной задачи. К примеру, мы можем использовать PostgreSQL для осуществление запросов к базе данных OSM и получения необходимых данных, или использовать QGIS — систему для создания, анализа и публикации геопространственной информации. Однако, мы нашли более элегантный и эффективный способ — Overpass API.
Overpass API — мощный инструмент для извлечения данных из базы OSM по запросу пользователя. Он оптимизирован для задач любого масштаба: от получения нескольких элементов из базы до сотен миллионов объектов, которые отбираются согласно запросу в виде XML или Overpass QL — модернизированной версии Overpass XML. Подробнее об Overpass API — здесь.
Будем начинать все с чистого листа: в первую очередь потребуется развернуть OSM на сервере. В качестве операционной системы на нашей машине используется Ubuntu.
Q: Зачем разворачивать свой OSM?
A: Для работы с данными нам потребуется Overpass API, общедоступный сервер которого имеет ограничение на количество запросов в сутки. Именно по этой причине мы развернем свой сервер с блекджеком OSM и Overpass API.
Подробная инструкция по установке OSM лежит здесь.
Следующим шагом мы устанавливаем Overpass API — его последний релиз можно найти тут.
sudo apt-get update
sudo apt-get install g++ make expat libexpat1-dev zlib1g-dev apache2 -y
wget http://dev.overpass-api.de/releases/osm-3s_ВЕРСИЯ.tar.gz
tar -zxvf osm-3s_ВЕРСИЯ.tar.gz
cd osm-3s_ВЕРСИЯ
./configure CXXFLAGS="-O2" --prefix=$EXEC_DIR
make install
cd ../
chmod -R 755 ./overpass
После установки потребуется провести populating — создание базы данных. База данных всего мира нам не нужна, поэтому мы воспользуемся сервисом Geofabrik, который позволяет получить данные по заданным административным регионам.
Достойная альтернатива Geofabrik — BBBike.
Мы загружаем и распаковываем базу данных, загруженную из каталога Europe > Russian Federation > Central Federal District в формате .osm.bz2, по следующей схеме:
ПУТЬ_К_INIT_OSM3S.SH ПУТЬ_К_ФАЙЛУ_BZ2 ПУТЬ_КУДА_РАСПАКОВЫВАТЬ ДИРЕКТОРИЯ_OVERPASS_API
Примечание: в данном случае все действия выполняются в каталоге overpass.
Итак, платформа практически готова — сейчас мы можем сделать свой первый запрос и узнать количество парков в целом по региону.
ПУТЬ_К_OSM3S_QUERY --db-dir = ПУТЬ_К_DB
Наш запрос и ответ выглядят следующим образом:
root@MIP-USER55:~# cd overpass/
root@MIP-USER55:~/overpass# ./osm-3s_v0.7.56.7/bin/osm3s_query --db-dir=db
encoding remark: Please enter your query and terminate it with CTRL+D.
[out:json][timeout:25];
(
nwr["landuse"="forest"];
);
out count;
{
...,
"elements": [
{
"type": "count",
"id": 0,
"tags": {
"nodes": "23",
"ways": "19723",
"relations": "4206",
"total": "23952"
}
}
]
}
Мы уже близко: осталось только разбить парки по областям и городам. Справиться с этой задачей нам поможет отдельно запущенный и постоянно работающий Dispatcher.
Запускаем API и в директории /etc/apache2/ports.conf добавляем Listen ПОРТ.
echo "ИМЯ_СЕРВЕРА localhost" | sudo tee /etc/apache2/conf-available/ИМЯ_СЕРВЕРА.conf && sudo a2enconf ИМЯ_СЕРВЕРА
sudo iptables -A INPUT -m state --state NEW -m tcp -p tcp --dport ПОРТ -j ACCEPT
sudo a2enmod cgi
sudo a2enmod ext_filter
sudo cp /etc/apache2/sites-available/000-default.conf /etc/apache2/sites-available/ИМЯ_КОНФИГА_ДЛЯ_СЕРВЕРА.conf
Проверяем конфигурацию. Она должна выглядеть следующим образом.
<VirtualHost *:ПОРТ>
ServerAdmin webmaster@localhost
ExtFilterDefine gzip mode=output cmd=/bin/gzip
DocumentRoot ПУТЬ_К_OVERPASS_API/html
ScriptAlias /api/ ПУТЬ_К_OVERPASS_API/cgi-bin/
<Directory "ПУТЬ_К_OVERPASS_API">
AllowOverride None
Options Indexes FollowSymLinks
Require all granted
</Directory>
<Directory "ПУТЬ_К_OVERPASS_API/cgi-bin/">
AllowOverride None
Options +ExecCGI -MultiViews +SymLinksIfOwnerMatch
Require all granted
</Directory>
ErrorLog ${APACHE_LOG_DIR}/error.log
CustomLog ${APACHE_LOG_DIR}/access.log combined
</VirtualHost>
Далее включаем новый хост и отправляем старый отдыхать.
sudo a2ensite КОНФИГ.conf
sudo a2dissite 000-default.conf
sudo a2dissite ВСЕ_ДРУГИЕ_КОНФИГИ.conf
sudo service apache2 reload
Настало время включить первый Dispatcher, который будет обрабатывать наши запросы. Для этого воспользуемся командой.
nohup ПУТЬ_К_OVERPASS_API/bin/dispatcher --osm-base --db-dir=ПУТЬ_К_DB --meta &
Первый признак того, что все пошло по плану — создание файла
osm3s_OVERPASS_API_ВЕРСИЯ_osm_base в директории с базой данных. В файле nohup.out появится сообщение о статусе Dispatcher — dispatcher just started.
Однако, работа на этом не заканчивается: требуется запустить ещё один Dispatcher. Для начала копируем папку rules в директорию с базой данных и раздаем права на появившийся в результате файл osm3s_OVERPASS_API_ВЕРСИЯ_areas.
nohup ПУТЬ_К_OVERPASS_API/bin/dispatcher --areas --db-dir=ПУТЬ_К_DB &
chmod 666 "../db/osm3s_OVERPASS_API_ВЕРСИЯ_areas"
nohup ПУТЬ_К_OVERPASS_API/bin/rules_loop.sh ПУТЬ_К_DB &
Теперь мы можем сделать запрос по области и подсчитать количество парков в Рязани. И, кстати, это уже работает в адресной строке браузера.
http://localhost:ПОРТ/api/interpreter?data=[output:json][timeout:25]; area[name="Рязань"]->.searchArea; ( nwr["leisure"="park"](area.searchArea); ); out count;
Долгожданный ответ!
"elements": [
{
"type": "count",
"id": 0,
"tags": {
"nodes": "0",
"ways": "57",
"relations": "11",
"areas": "0",
"total": "68"
}
}
]
}
Итак, теперь мы можем погрузиться в аналитику и вопросы благоустройства: найдем количество парков, лавочек и мусорных баков в 25 крупных городах ЦФО и сравним эти показатели при помощи аналитических инструментов платформы ODANT.
ODANT — цифровая интеграционная платформа отечественной разработки, предназначенная для построения информационных систем различной сложности и распределенности. Подробнее об ODANT — здесь.
Так выглядят наши параметры для поиска урн: в рамках задачи мы не делаем различий между контейнерными площадками, отдельно стоящими урнами и пунктами приема ТБО.
nwr["amenity"="recycling"](area.searchArea);
nwr["amenity"="waste_disposal"](area.searchArea);
nwr["amenity"="waste_basket"](area.searchArea);
Выходные данные мы экспортировали из ODANT в виде плоской таблицы.
Город
Урны
Население
Население/Урны
Владимир
1525
356937
234
Красногорск
274
175554
641
Калуга
376
332039
883
Тамбов
279
292140
1047
Москва
11473
12678079
1105
Коломна
111
140129
1262
Балашиха
378
507366
1342
Курск
336
452976
1348
Рыбинск
129
184635
1431
Мытищи
140
235504
1682
Люберцы
119
205295
1725
Зеленоград
140
250453
1789
Воронеж
544
1058261
1945
Тверь
225
449507
1998
Ярославль
273
608353
2228
Муром
43
106984
2488
Подольск
114
308130
2703
Химки
89
259550
2916
Кострома
72
276929
3846
Липецк
124
509420
4108
Рязань
118
539290
4570
Королёв
49
224348
4579
Тула
101
475161
4705
Электросталь
32
156026
4876
В данном рейтинге город Владимир занимает почетную первую строчку: на одно место скопления мусора там приходится всего 234 человека. Используя встроенные инструменты ODANT строим два занятных графика.
Перейдем к следующему элементу — лавочкам.
nwr["amenity"="bench"](area.searchArea);
Получаем следующий результат в виде таблицы.
Город
Лавочки
Население
Население/лавочки
Владимир
593
356937
602
Тамбов
413
292140
707
Москва
13970
12678079
908
Красногорск
143
175554
1228
Балашиха
411
507366
1234
Зеленоград
185
250453
1354
Тверь
268
449507
1677
Люберцы
115
205295
1785
Калуга
176
332039
1887
Курск
214
452976
2117
Муром
42
106984
2547
Тула
172
475161
2763
Коломна
49
140129
2860
Воронеж
272
848752
3120
Подольск
79
308130
3900
Рязань
132
539290
4086
Кострома
61
276929
4540
Химки
43
259550
6036
Рыбинск
25
184635
7385
Ярославль
78
608353
7799
Липецк
55
509420
9262
Электросталь
16
156026
9752
Королёв
23
224348
9754
Мытищи
17
235504
13853
И снова Владимир оказался самым благоустроенным из всех претендентов: 602 человека на одну скамейку посадить не получится, но в Мытищах за места идет куда более ожесточенная борьба. Однако, всегда можно придумать расписание.
Визуализируем наши результаты.
Перейдем к самой интересной части: подсчет площади парков. Для решения этой задачи мы можем использовать несколько методов, но самым оупенсорсным и замечательным мы находим библиотеку Leaflet. В самом запросе потребуется заменить out count на out geom, что в результате даст нам координаты областей.
Leaflet — библиотека с открытым исходным кодом, написанная на JavaScript, предназначенная для отображения карт на веб-сайтах. Поддерживает большинство мобильных и стационарных платформ из числа тех, что поддерживают HTML5 и CSS3. Leaflet позволяет разработчику, не знакомому с ГИС, легко отображать растровые карты, состоящие из маленьких фрагментов — тайлов, с, возможно, дополнительными слоями, накладываемыми поверх основного. Подробнее о Leaflet — здесь.
Создадим полигон.
const polygon = L.polygon(КООРДИНАТЫ).addTo(map);
const area = L.GeometryUtil.geodesicArea(polygon.getLatLngs());
Теперь в area лежит площадь региона в м2. Извлекаем данные для выбранных нами городов и получаем следующую таблицу.
Город
Общая площадь парков (km2)
Площадь города (km2)
Процент пространства, занимаемого парками
Кол-вопарков
Зеленоград
4.13
37.199
0.111
26
Калуга
12.60
168.8
0.075
140
Москва
121.75
2561.5
0.048
1469
Люберцы
0.60
12.87
0.047
28
Владимир
4.62
137.14
0.034
104
Химки
3.55
109.8
0.032
27
Подольск
1.29
40.39
0.032
53
Балашиха
1.78
62.8
0.028
55
Тамбов
2.71
96.58
0.028
140
Тула
4.09
145.8
0.028
102
Кострома
3.95
144.5
0.027
50
Красногорск
0.69
25.65
0.027
21
Рязань
4.32
224.163
0.019
96
Ярославль
3.68
205.8
0.018
176
Королёв
0.97
55.47
0.017
30
Курск
3.31
208.2
0.016
862
Коломна
1.03
65.1
0.016
21
Мытищи
0.53
34.59
0.015
30
Воронеж
8.25
596.51
0.014
414
Липецк
4.44
330.15
0.013
78
Тверь
1.38
152.22
0.009
129
Муром
0.33
43.78
0.008
11
Рыбинск
0.65
101.42
0.006
62
Электросталь
0.25
51.45
0.005
52
По данным OSM Зеленоград полностью оправдывает свое название — 11% площади города занято зелеными массивами. Получим отношение количества жителей к количеству парков.
Город
Общая площадь парков (м2)
Кол-во м2 парков на 1 жителя
Количество жителей на 1 парк
Калуга
12,600,000
37.95
2372
Зеленоград
4,130,000
16.49
9633
Кострома
3,950,000
14.26
5539
Химки
3,550,000
13.68
9613
Владимир
4,620,000
12.94
3432
Воронеж
8,250,000
9.72
2050
Москва
121,750,000
9.60
8630
Тамбов
2,710,000
9.28
2087
Липецк
4,440,000
8.72
6531
Тула
4,090,000
8.61
4658
Рязань
4,320,000
8.01
5618
Коломна
1,030,000
7.35
6673
Курск
3,310,000
7.31
525
Ярославль
3,680,000
6.05
3457
Королёв
970,000
4.32
7478
Подольск
1,290,000
4.19
5814
Красногорск
690,000
3.93
8360
Рыбинск
650,000
3.52
2978
Балашиха
1,780,000
3.51
9225
Муром
330,000
3.08
9726
Тверь
1,380,000
3.07
3485
Люберцы
600,000
2.92
7332
Мытищи
530,000
2.25
7850
Электросталь
250,000
1.60
3001
Представим данные в виде графиков.
И в финале — рейтинг городов, подсчитанный по занимаемым местам.
Город
Рейтинг
Место
Владимир
12
1
Калуга
15
2
Москва
18
3
Зеленоград
21
4
Тамбов
23
5
Красногорск
35
6
Балашиха
39
7
Люберцы
45
8
Химки
46
9
Курск
47
10
Коломна
48
11
Кострома
50
12
Воронеж
52
13
Подольск
55
14
Тула
55
15
Рязань
61
16
Тверь
63
17
Ярославль
63
18
Муром
69
19
Рыбинск
69
20
Липецк
70
21
Королёв
75
22
Мытищи
75
23
Электросталь
94
24
Эпилог и выводы
Решением судейской коллегии в составе OpenStreetMap, Overpass API и ODANT,
г. Владимир занимает почетное первое место и получает титул “Самый зеленый в ЦФО”.
Стоит отметить следующий факт: наше исследование базировалось исключительно на данных, отраженных в OSM. Естественно, в Мытищах есть еще пара сотен скамеек, да и в Туле куда больше мест для скопления отходов. Наши результаты можно рассматривать с другой стороны, к примеру, для оценки динамики внесения объектов городской инфраструктуры в базу данных OSM. Однако, в среднем люди “одинаково медленно” вносят данные в OSM, поэтому мы можем считать, что данные сравнительно достоверны и заслуживают внимания.
Нам удалось решить поставленную задачу и найти эффективный способ работы с объектами на картах OSM: им оказалась комбинация Overpass API и Leaflet. С помощью данного набора инструментов мы можем делать запросы к БД OSM и получать данные о количестве объектов, вычислять площади областей. Для представления данных и аналитики мы собрали web-решение на базе ODANT, которое удовлетворило все наши потребности.
Существует большое количество отраслей производства, бизнеса и хозяйства, которым могло бы помочь данное решение. Если есть идеи или обратная связь — было бы очень приятно обсудить. Мы потратили на задачу 28 чистых часов, возможно, у вас получится быстрее.
Ведущий Frontend-разработчик, Инфостандарт — Епифанов Даниил.
Редактор, Инфостандарт — Морозов Никита.
===========
Источник:
habr.com
===========
Похожие новости:
- [Визуализация данных, Интерфейсы, Тестирование IT-систем, Управление проектами] «Одна кнопка, чтобы тестировать их всех». Как не упустить все интеграции из поля зрения
- [CMS, Разработка веб-сайтов] Почему для информационных проектов из всех Headless CMS мы часто выбираем Strapi
- [Визуализация данных, Конференции, Облачные вычисления, Облачные сервисы] Yandex Scale 2020: обсуждаем главные запуски и события в прямом эфире
- [Facebook API, Лайфхаки для гиков, Социальные сети и сообщества] Как узнать, кто отписался в Instagram? И почему мобильные приложения больше не работают
- [API, Big Data, IT-компании, Искусственный интеллект, Софт] Искусственный интеллект может предупредить о приближении эвакуатора
- [Геоинформационные сервисы, Глобальные системы позиционирования] Спутниковый мониторинг солярки, или зачем ГРП-насосу ГЛОНАСС
- [Визуализация данных, Открытые данные, Управление продуктом] Сим-сим, откройся! — Как мы запустили проект «Открытые данные»
- [API, Data Engineering, R, Системы обмена сообщениями] Пишем telegram бота на языке R (часть 4): Построение последовательного, логического диалога с ботом
- [WordPress, Веб-дизайн, Разработка веб-сайтов] SamsPcbLab, часть 2: WP, CSS, PHP и печатные платы
- [Open source, Python, Data Mining, Big Data] Crime, Race and Lethal Force in the USA — Part 3 (перевод)
Теги для поиска: #_api, #_geoinformatsionnye_servisy (Геоинформационные сервисы), #_vizualizatsija_dannyh (Визуализация данных), #_infografika (Инфографика), #_osm, #_overpass, #_geoinformatsionnye_servisy (геоинформационные сервисы), #_webrazrabotka (web-разработка), #_kartografija (картография), #_analiz_dannyh (анализ данных), #_api, #_geoinformatsionnye_servisy (
Геоинформационные сервисы
), #_vizualizatsija_dannyh (
Визуализация данных
), #_infografika (
Инфографика
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 11-Май 01:07
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 3 месяца |
|
|
У каждой карты есть легенда: именно она говорит читателю о том, что и каким образом на ней обозначено. Домам соответствуют многоугольники серого цвета, дорогам — отрезки и кривые, территории парков и скверов заливаются светло-зеленым и украшаются пиктограммой дерева. А к некоторым картам добавляют полезное приложение — список этих самых дорог с протяженностью, количество парков, лавочек и мусорных урн. Когда мы готовились к автоматизации работы местных муниципальных служб, мы обратили внимание на использование картографии, которое мы сочли действительно мощным и эффективным инструментом для решения широкого кластера задач. На карте можно отображать актуальную информацию о местоположении объектов, маршруты движения уборочной техники, транспорта, план работы и тепловую карту с проблемными и “здоровыми” участками. Использование картографии в целом помогает ускорить время реакции и принятия решений по экстренным вопросам, упрощает процесс планирования и прогнозирования, а главное — вся информация доступна в максимально наглядном виде. В ходе работы с одним из заказчиков перед нами возникла интересная задача — подсчитать количество объектов на карте по категориям. Найти Определить самый “зеленый” город в ЦФО по совокупности следующих данных: количество лавочек, урн и парков. Дано Картография. В качестве плацдарма мы выбрали OpenStreetMap (далее — OSM) по весьма простой причине — Open Source. Решение Существует несколько подходов к решению поставленной задачи. К примеру, мы можем использовать PostgreSQL для осуществление запросов к базе данных OSM и получения необходимых данных, или использовать QGIS — систему для создания, анализа и публикации геопространственной информации. Однако, мы нашли более элегантный и эффективный способ — Overpass API. Overpass API — мощный инструмент для извлечения данных из базы OSM по запросу пользователя. Он оптимизирован для задач любого масштаба: от получения нескольких элементов из базы до сотен миллионов объектов, которые отбираются согласно запросу в виде XML или Overpass QL — модернизированной версии Overpass XML. Подробнее об Overpass API — здесь.
Q: Зачем разворачивать свой OSM? A: Для работы с данными нам потребуется Overpass API, общедоступный сервер которого имеет ограничение на количество запросов в сутки. Именно по этой причине мы развернем свой сервер с блекджеком OSM и Overpass API. Подробная инструкция по установке OSM лежит здесь.
sudo apt-get update
sudo apt-get install g++ make expat libexpat1-dev zlib1g-dev apache2 -y wget http://dev.overpass-api.de/releases/osm-3s_ВЕРСИЯ.tar.gz tar -zxvf osm-3s_ВЕРСИЯ.tar.gz cd osm-3s_ВЕРСИЯ ./configure CXXFLAGS="-O2" --prefix=$EXEC_DIR make install cd ../ chmod -R 755 ./overpass После установки потребуется провести populating — создание базы данных. База данных всего мира нам не нужна, поэтому мы воспользуемся сервисом Geofabrik, который позволяет получить данные по заданным административным регионам. Достойная альтернатива Geofabrik — BBBike.
Мы загружаем и распаковываем базу данных, загруженную из каталога Europe > Russian Federation > Central Federal District в формате .osm.bz2, по следующей схеме: ПУТЬ_К_INIT_OSM3S.SH ПУТЬ_К_ФАЙЛУ_BZ2 ПУТЬ_КУДА_РАСПАКОВЫВАТЬ ДИРЕКТОРИЯ_OVERPASS_API
Примечание: в данном случае все действия выполняются в каталоге overpass. Итак, платформа практически готова — сейчас мы можем сделать свой первый запрос и узнать количество парков в целом по региону. ПУТЬ_К_OSM3S_QUERY --db-dir = ПУТЬ_К_DB
Наш запрос и ответ выглядят следующим образом: root@MIP-USER55:~# cd overpass/
root@MIP-USER55:~/overpass# ./osm-3s_v0.7.56.7/bin/osm3s_query --db-dir=db encoding remark: Please enter your query and terminate it with CTRL+D. [out:json][timeout:25]; ( nwr["landuse"="forest"]; ); out count; { ..., "elements": [ { "type": "count", "id": 0, "tags": { "nodes": "23", "ways": "19723", "relations": "4206", "total": "23952" } } ] } Мы уже близко: осталось только разбить парки по областям и городам. Справиться с этой задачей нам поможет отдельно запущенный и постоянно работающий Dispatcher. Запускаем API и в директории /etc/apache2/ports.conf добавляем Listen ПОРТ. echo "ИМЯ_СЕРВЕРА localhost" | sudo tee /etc/apache2/conf-available/ИМЯ_СЕРВЕРА.conf && sudo a2enconf ИМЯ_СЕРВЕРА
sudo iptables -A INPUT -m state --state NEW -m tcp -p tcp --dport ПОРТ -j ACCEPT sudo a2enmod cgi sudo a2enmod ext_filter sudo cp /etc/apache2/sites-available/000-default.conf /etc/apache2/sites-available/ИМЯ_КОНФИГА_ДЛЯ_СЕРВЕРА.conf Проверяем конфигурацию. Она должна выглядеть следующим образом. <VirtualHost *:ПОРТ>
ServerAdmin webmaster@localhost ExtFilterDefine gzip mode=output cmd=/bin/gzip DocumentRoot ПУТЬ_К_OVERPASS_API/html ScriptAlias /api/ ПУТЬ_К_OVERPASS_API/cgi-bin/ <Directory "ПУТЬ_К_OVERPASS_API"> AllowOverride None Options Indexes FollowSymLinks Require all granted </Directory> <Directory "ПУТЬ_К_OVERPASS_API/cgi-bin/"> AllowOverride None Options +ExecCGI -MultiViews +SymLinksIfOwnerMatch Require all granted </Directory> ErrorLog ${APACHE_LOG_DIR}/error.log CustomLog ${APACHE_LOG_DIR}/access.log combined </VirtualHost> Далее включаем новый хост и отправляем старый отдыхать. sudo a2ensite КОНФИГ.conf
sudo a2dissite 000-default.conf sudo a2dissite ВСЕ_ДРУГИЕ_КОНФИГИ.conf sudo service apache2 reload Настало время включить первый Dispatcher, который будет обрабатывать наши запросы. Для этого воспользуемся командой. nohup ПУТЬ_К_OVERPASS_API/bin/dispatcher --osm-base --db-dir=ПУТЬ_К_DB --meta &
Первый признак того, что все пошло по плану — создание файла osm3s_OVERPASS_API_ВЕРСИЯ_osm_base в директории с базой данных. В файле nohup.out появится сообщение о статусе Dispatcher — dispatcher just started. Однако, работа на этом не заканчивается: требуется запустить ещё один Dispatcher. Для начала копируем папку rules в директорию с базой данных и раздаем права на появившийся в результате файл osm3s_OVERPASS_API_ВЕРСИЯ_areas. nohup ПУТЬ_К_OVERPASS_API/bin/dispatcher --areas --db-dir=ПУТЬ_К_DB &
chmod 666 "../db/osm3s_OVERPASS_API_ВЕРСИЯ_areas" nohup ПУТЬ_К_OVERPASS_API/bin/rules_loop.sh ПУТЬ_К_DB & Теперь мы можем сделать запрос по области и подсчитать количество парков в Рязани. И, кстати, это уже работает в адресной строке браузера. http://localhost:ПОРТ/api/interpreter?data=[output:json][timeout:25]; area[name="Рязань"]->.searchArea; ( nwr["leisure"="park"](area.searchArea); ); out count;
Долгожданный ответ! "elements": [
{ "type": "count", "id": 0, "tags": { "nodes": "0", "ways": "57", "relations": "11", "areas": "0", "total": "68" } } ] } Итак, теперь мы можем погрузиться в аналитику и вопросы благоустройства: найдем количество парков, лавочек и мусорных баков в 25 крупных городах ЦФО и сравним эти показатели при помощи аналитических инструментов платформы ODANT. ODANT — цифровая интеграционная платформа отечественной разработки, предназначенная для построения информационных систем различной сложности и распределенности. Подробнее об ODANT — здесь.
nwr["amenity"="recycling"](area.searchArea);
nwr["amenity"="waste_disposal"](area.searchArea); nwr["amenity"="waste_basket"](area.searchArea); Выходные данные мы экспортировали из ODANT в виде плоской таблицы. Город Урны Население Население/Урны Владимир 1525 356937 234 Красногорск 274 175554 641 Калуга 376 332039 883 Тамбов 279 292140 1047 Москва 11473 12678079 1105 Коломна 111 140129 1262 Балашиха 378 507366 1342 Курск 336 452976 1348 Рыбинск 129 184635 1431 Мытищи 140 235504 1682 Люберцы 119 205295 1725 Зеленоград 140 250453 1789 Воронеж 544 1058261 1945 Тверь 225 449507 1998 Ярославль 273 608353 2228 Муром 43 106984 2488 Подольск 114 308130 2703 Химки 89 259550 2916 Кострома 72 276929 3846 Липецк 124 509420 4108 Рязань 118 539290 4570 Королёв 49 224348 4579 Тула 101 475161 4705 Электросталь 32 156026 4876 В данном рейтинге город Владимир занимает почетную первую строчку: на одно место скопления мусора там приходится всего 234 человека. Используя встроенные инструменты ODANT строим два занятных графика.   Перейдем к следующему элементу — лавочкам. nwr["amenity"="bench"](area.searchArea);
Получаем следующий результат в виде таблицы. Город Лавочки Население Население/лавочки Владимир 593 356937 602 Тамбов 413 292140 707 Москва 13970 12678079 908 Красногорск 143 175554 1228 Балашиха 411 507366 1234 Зеленоград 185 250453 1354 Тверь 268 449507 1677 Люберцы 115 205295 1785 Калуга 176 332039 1887 Курск 214 452976 2117 Муром 42 106984 2547 Тула 172 475161 2763 Коломна 49 140129 2860 Воронеж 272 848752 3120 Подольск 79 308130 3900 Рязань 132 539290 4086 Кострома 61 276929 4540 Химки 43 259550 6036 Рыбинск 25 184635 7385 Ярославль 78 608353 7799 Липецк 55 509420 9262 Электросталь 16 156026 9752 Королёв 23 224348 9754 Мытищи 17 235504 13853 И снова Владимир оказался самым благоустроенным из всех претендентов: 602 человека на одну скамейку посадить не получится, но в Мытищах за места идет куда более ожесточенная борьба. Однако, всегда можно придумать расписание. Визуализируем наши результаты.   Перейдем к самой интересной части: подсчет площади парков. Для решения этой задачи мы можем использовать несколько методов, но самым оупенсорсным и замечательным мы находим библиотеку Leaflet. В самом запросе потребуется заменить out count на out geom, что в результате даст нам координаты областей. Leaflet — библиотека с открытым исходным кодом, написанная на JavaScript, предназначенная для отображения карт на веб-сайтах. Поддерживает большинство мобильных и стационарных платформ из числа тех, что поддерживают HTML5 и CSS3. Leaflet позволяет разработчику, не знакомому с ГИС, легко отображать растровые карты, состоящие из маленьких фрагментов — тайлов, с, возможно, дополнительными слоями, накладываемыми поверх основного. Подробнее о Leaflet — здесь.
Создадим полигон. const polygon = L.polygon(КООРДИНАТЫ).addTo(map);
const area = L.GeometryUtil.geodesicArea(polygon.getLatLngs()); Теперь в area лежит площадь региона в м2. Извлекаем данные для выбранных нами городов и получаем следующую таблицу. Город Общая площадь парков (km2) Площадь города (km2) Процент пространства, занимаемого парками Кол-вопарков Зеленоград 4.13 37.199 0.111 26 Калуга 12.60 168.8 0.075 140 Москва 121.75 2561.5 0.048 1469 Люберцы 0.60 12.87 0.047 28 Владимир 4.62 137.14 0.034 104 Химки 3.55 109.8 0.032 27 Подольск 1.29 40.39 0.032 53 Балашиха 1.78 62.8 0.028 55 Тамбов 2.71 96.58 0.028 140 Тула 4.09 145.8 0.028 102 Кострома 3.95 144.5 0.027 50 Красногорск 0.69 25.65 0.027 21 Рязань 4.32 224.163 0.019 96 Ярославль 3.68 205.8 0.018 176 Королёв 0.97 55.47 0.017 30 Курск 3.31 208.2 0.016 862 Коломна 1.03 65.1 0.016 21 Мытищи 0.53 34.59 0.015 30 Воронеж 8.25 596.51 0.014 414 Липецк 4.44 330.15 0.013 78 Тверь 1.38 152.22 0.009 129 Муром 0.33 43.78 0.008 11 Рыбинск 0.65 101.42 0.006 62 Электросталь 0.25 51.45 0.005 52 По данным OSM Зеленоград полностью оправдывает свое название — 11% площади города занято зелеными массивами. Получим отношение количества жителей к количеству парков. Город Общая площадь парков (м2) Кол-во м2 парков на 1 жителя Количество жителей на 1 парк Калуга 12,600,000 37.95 2372 Зеленоград 4,130,000 16.49 9633 Кострома 3,950,000 14.26 5539 Химки 3,550,000 13.68 9613 Владимир 4,620,000 12.94 3432 Воронеж 8,250,000 9.72 2050 Москва 121,750,000 9.60 8630 Тамбов 2,710,000 9.28 2087 Липецк 4,440,000 8.72 6531 Тула 4,090,000 8.61 4658 Рязань 4,320,000 8.01 5618 Коломна 1,030,000 7.35 6673 Курск 3,310,000 7.31 525 Ярославль 3,680,000 6.05 3457 Королёв 970,000 4.32 7478 Подольск 1,290,000 4.19 5814 Красногорск 690,000 3.93 8360 Рыбинск 650,000 3.52 2978 Балашиха 1,780,000 3.51 9225 Муром 330,000 3.08 9726 Тверь 1,380,000 3.07 3485 Люберцы 600,000 2.92 7332 Мытищи 530,000 2.25 7850 Электросталь 250,000 1.60 3001 Представим данные в виде графиков.   И в финале — рейтинг городов, подсчитанный по занимаемым местам. Город Рейтинг Место Владимир 12 1 Калуга 15 2 Москва 18 3 Зеленоград 21 4 Тамбов 23 5 Красногорск 35 6 Балашиха 39 7 Люберцы 45 8 Химки 46 9 Курск 47 10 Коломна 48 11 Кострома 50 12 Воронеж 52 13 Подольск 55 14 Тула 55 15 Рязань 61 16 Тверь 63 17 Ярославль 63 18 Муром 69 19 Рыбинск 69 20 Липецк 70 21 Королёв 75 22 Мытищи 75 23 Электросталь 94 24 Эпилог и выводы Решением судейской коллегии в составе OpenStreetMap, Overpass API и ODANT, г. Владимир занимает почетное первое место и получает титул “Самый зеленый в ЦФО”. Стоит отметить следующий факт: наше исследование базировалось исключительно на данных, отраженных в OSM. Естественно, в Мытищах есть еще пара сотен скамеек, да и в Туле куда больше мест для скопления отходов. Наши результаты можно рассматривать с другой стороны, к примеру, для оценки динамики внесения объектов городской инфраструктуры в базу данных OSM. Однако, в среднем люди “одинаково медленно” вносят данные в OSM, поэтому мы можем считать, что данные сравнительно достоверны и заслуживают внимания. Нам удалось решить поставленную задачу и найти эффективный способ работы с объектами на картах OSM: им оказалась комбинация Overpass API и Leaflet. С помощью данного набора инструментов мы можем делать запросы к БД OSM и получать данные о количестве объектов, вычислять площади областей. Для представления данных и аналитики мы собрали web-решение на базе ODANT, которое удовлетворило все наши потребности. Существует большое количество отраслей производства, бизнеса и хозяйства, которым могло бы помочь данное решение. Если есть идеи или обратная связь — было бы очень приятно обсудить. Мы потратили на задачу 28 чистых часов, возможно, у вас получится быстрее. Ведущий Frontend-разработчик, Инфостандарт — Епифанов Даниил. Редактор, Инфостандарт — Морозов Никита. =========== Источник: habr.com =========== Похожие новости:
Геоинформационные сервисы ), #_vizualizatsija_dannyh ( Визуализация данных ), #_infografika ( Инфографика ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 11-Май 01:07
Часовой пояс: UTC + 5