Salutations !

J’ai le plaisir de vous annoncer l’ouverture de mon serveur Discord OSM Belgique. Il est en construction mais je cherche des personnes qui souhaitent m’aider à le configurer (au niveau des rôles, salons texte/vocaux, emojis, etc…

La langue principale du serveur sera l’anglais, mais il y aura des salons pour parler français et néerlandais (et peut-être allemand vu que c’est une langue officielle)

https://discord.gg/7EBvSQSMBZ (lien permanent vers le salon général en anglais

Je suis un architecte basé au Maroc, et j’utilise OpenstreetMap pour mes analyses d’environnement immédiat et études urbaines.

Pour en savoir plus sur mes travaux : Mon portfolio

• Florilège
• Réflexions

Tracé du parcours de “Les Cortots” à Fontaine-lès-Dijon

Par ici https://www.openstreetmap.org/way/1210508694

Mais toujours pas visible sur la carte OSM… :’( Peut-être un jour… il y aura une mise à jour qui permettra aux visiteurs de voir ces informations…?

Des infos par ici https://www.discjonctes.fr

Réseaux de carrefours

Dans beaucoup de régions les offices de tourisme proposent des boucles de randonnées décrites dans des topoguides imprimés ou accessibles sur intenet.
La plupart du temps, sur le terrain ces boucles sont complétées par des itinéraires de liaison, balisés aussi, mais il est souvent difficile d’en trouver une cartographie détaillée. Des panneaux Info rando dans les villages montrent que l’ensemble boucles + liaisons forme en fait un réseau de carrefours : tronçons balisés reliant deux carrefours indiqués par des poteaux.

Depuis quelque temps, des contributeurs d’OpenStreetMap travaillent à intégrer ces réseaux de carrefours dans la base de données OpenStreetMap. Pour ma part, j’ai intégré une bonne partie du réseau en Ardèche Sud (plus de 1700 km actuellement).

Ces réseaux apparaissent dans plusieurs visualisations : Waymarkedtrails, Knooppuntnet, Thunderforest outdoors…

J’ai par ailleurs développé un outil, basé sur Leaflet, permettant de visualiser ces réseaux sur différents fonds de carte, de construire de proche en proche un itinéraire personnel dans le réseau puis de l’exporter sous forme de fichier GPX. Voir par exemple le réseau Ardèche Sud : Itinéraires Ardèche Sud.

Moyennant quelques requêtes Overpass, cet outil peut être adapté à n’importe quel réseau de carrefours.

Découverte du Disc Golf, ou Frisbee Golf.

Du coup on rigole à ajouter un terrain de ce loisir/sport
https://www.openstreetmap.org/way/1198132418

avec les infos du wiki
https://wiki.openstreetmap.org/wiki/Tag:leisure%3Ddisc_golf_course

https://wiki.openstreetmap.org/wiki/File:Disc_golfer_and_basket.jpg

Have fun ;)

EDIT :

Je suis un peu déçu de voir qu’il n’y a aucune vue informative (icone, titre, nom, etc.) à propos de ce terrain de jeux de disc golf cartographié, l’utilisateur qui navigue la carte n’en aura aucune idée s’il n’interroge pas la recherche :( Dommage, car ça apparait bien en mode édition

Intro

J’ai découvert il y a quelques jours l’initiative de la commune de Pontevedra, en Espagne, d’implanter sur son territoire des cartes de temps de déplacement à pied entre les différentes zones d’intérêt de la commune. Cette initiative date de 2011 et s’inspire du graphisme schématique des plans de métro.

Cela s’appelle un metrominuto.

le metrominuto originel, source: https://metrominuto.info/

L’intérêt est de valoriser un autre mode de déplacement que la voiture en affichant le temps réel de parcours à pied entre 2 endroits de la ville, ces derniers étant souvent surestimés.

Cela permet, en additionnant les différentes valeurs temps des segments empruntés d’avoir une idée approximative de son temps de trajet.

Depuis, ce projet a fait des émules. Quand on recherche metrominuto sur internet, la plupart des plans qui ressortent sont espagnols. En France, on peut citer la ville de Toulouse et tout récemment, Saint-Brieuc.

Types

Quand on s’attarde sur les différentes réalisations, on perçoit différentes approches dans la conception des metrominutos.

• la plupart sont rectilignes et suivent un quadrillage
• les tracés ne sont pas proportionnels à la distance
• beaucoup affichent la distance en plus du temps
• les couleurs sont rarement associées à un temps précis
• d’autres symboles peuvent venir renseigner les parkings ou arrêts de bus
• certains ont tracé, en plus des segments points à points, des itinéraires complets
• certains intègrent les temps en vélo

Réalisation

En tant qu’amateur de carto et de graphisme, et très agacé par la surutilisation de la voiture au quotidien , je n’ai pas pu résister à en créer un pour ma commune.

Quel logiciel ?

Il me fallait une version vectorielle, c’est plus propre, n’empêche pas une version bitmap et permet de l’utiliser plus librement sur différents supports : numériques, panneaux physiques, etc.

J’ai utilisé Inkscape pour tout composer, logiciel libre que je connais un peu.

Mode de déplacement

Je souhaitais réaliser le mien en 2 versions : une piéton et l’autre cycliste.

Piéton parce qu’à mon avis, c’est le mode de déplacement dont on surestime le plus le temps de déplacement et que tout le monde n’ose pas faire du vélo en ville.

Cycliste parce que c’est le véhicule le plus pertinent à l’échelle d’une ville (et ce serait bien que nos dirigeants le comprennent).

L’exemple du metrominuto de Saint-Brieuc mélangeant les 2 est à mon sens surchargé et les zones que l’on peut atteindre en vélo sont bien plus nombreuses : il faut changer d’échelle.

Look and feel

Concernant la présentation, je ne souhaitais pas garder cet aspect quadrillage avec des tracés dont la taille n’est pas proportionnelle à la distance.

Pour ce faire, j’ai utilisé un fond de carte OpenStreetMap (What Else ? ☕) qui m’a servi à placer les points d’intérêts. Pour ce faire, j’ai utilisé la fonction partager du site officiel qui permet de générer une image de la carte.

Ensuite, j’ai connecté les points entre eux de manière rectiligne en appliquant des couleurs au hasard. Le côté rectiligne sans quadrillage faisait un peu brouillon, j’ai commencé à courber les traits selon l’itinéraire réel, rendu validé.

Afin que les points d’intérêts soit compris directement, j’ai choisi de prendre des libertés avec certains toponymes et décidé d’y rajouter une icône. Il faut savoir que beaucoup de personnes ne connaissent pas leur environnement direct, même dans le cas d’une petite ville (ici, 10 000 habitants).

Ainsi, au lieu d’indiquer “place du 8 mai 45”, il était plus clair d’indiquer écoles/collège ; etc.

Temps de trajet

Concernant les temps de trajets, j’ai utilisé le site OpenRouteService que j’apprécie pour ses isochrones. Ça a été l’occasion de corriger des erreurs de carto sur OSM : connections manquantes d’un côté de la rue à l’autre ou encore place piétonne entraînant des détours conséquents dans le calcul d’itinéraire.

Je souhaitais aussi intégrer la distance en mètres. Malheureusement, le manque de place m’a fait préférer la lisibilité.

Le réel problème qui s’est posé est de savoir où placer de manière pertinente les points de départ et d’arrivée. Dans le cas d’une grande zone, le met-on à son entrée principale, à l’entrée la plus près de là où on vient, ou au centre ?

Si je calcule le temps de trajet pour y arriver, le point à l’entrée la plus proche est plus pertinent. Mais si je calcule un trajet qui traverse cette zone, il me manquera le temps de traversée, non négligeable à pied. Inversement, si je calcule un trajet qui longe plusieurs de ces zones, je n’ai pas besoin d’aller en leur centre et d’avoir un temps de trajet plus long que la réalité !

Pour les lotissements, qui se trouvent en périphérie de la ville, j’ai choisi un point à l’entrée et pour les zones plus intérieures, j’ai pris un point central.

Supports

Je souhaitais aussi lier ce metrominuto à une version en ligne de manière que les gens puissent la trouver et la consulter sur leur téléphone. J’ai peu d’espoir que la mairie s’en saisisse pour réaliser un affichage physique, mais qui sait ?

J’avais pensé créer un QR code amenant vers une version uMap de ce metrominuto. Elle se serait présenté avec les itinéraires réels (les gens ne connaissent vraiment pas leur territoire, encore moins les venelles !) de la même couleur que leur trait schématique calqués sur un fond de carte OSM-FR qui a l’avantage d’être riche en informations piéton et accessibilité.

J’ai finalement opté pour un lien direct vers le même document numérique. Peut-être que je créerai cette version uMap, à voir.

Habillage

Afin de d’apporter un peu relief et de repérage, certains metrominutos possèdent des éléments géographiques remarquables de la ville : rivière, couloir vert, parcs, etc.

Ma ville n’ayant aucun élément structurant traversant (à part des départementales), j’ai opté pour le tracé de l’enveloppe urbaine.

Restait l’habillage et le tour était joué. Je suis parti sur une couleur bleue et un panneau piéton customisé. La version vélo sera sur le même modèle, verte avec un panneau cycliste customisé.

Résultat final

https://commons.wikimedia.org/wiki/File:Metrominuto-pi%C3%A9ton-Cabestany.svg

Suites

J’ai envoyé ça à ma mairie, wait and see.

En parallèle, j’ai déjà commencé la version vélo sur le même modèle. Je trouvais ça curieux que le principe du metrominuto n’ait pas été transposé spécifiquement aux vélos.

Je n’ai trouvé que les réalisations du Collectif Cycliste 37 . Je trouve le résultat très réussi. Voici comment ils l’ont pensée :

Nous avons défini 8 itinéraires vélo, à la façon de lignes de bus, traversant La Riche de part en part tout en desservant les points d’intérêts générateurs de déplacements dans la commune (commerces, bâtiments publics, parcs…).

Ils ont couvert d’autres communes ensuite !

Réflexions

Si j’aime beaucoup le principe du metrominuto, je me suis fait la réflexion en le réalisant que ce n’est pas un outil assez direct pour un simple curieux. Il faut prendre le temps de le comprendre, de tracer son itinéraire et de faire les calculs.

Pour engager les gens dans un report modal, on pourrait aussi proposer à chaque endroit stratégique de la commune une carte isochrone centrée là où on se trouve affichant les zones accessibles en 5, 10, 15 et 20 minutes. Cela permettrait en 1 coup d’œil de se situer et de repérer dans quel périmètre de temps notre maison se trouve.

Je verrais bien le titre : “Et si vous veniez autrement ?” illustré d’une carte isochrone piéton et d’une autre vélo avec en 3e partie les différents bénéfices des déplacements doux sur :

• la santé
• le portefeuille
• la qualité de l’air
• l’apaisement de la ville
• la pollution (les voitures électriques ne sont pas écologiques)

Malgré tout, il faut reconnaître les limites à ce genre d’initiatives. On peut inciter les gens à changer leurs modes de déplacement, du moment que ce n’est pas associé à une politique d’aménagement ambitieuse assurant la lisibilité, la continuité, la sécurisation, l’ombrage, le repos, la végétalisation, etc. des itinéraires doux, cela restera des vœux pieux.

Les dynamiques et volonté de changement individuelles ne peuvent s’accomplir que grâce à des structures collectives.

C’est le message que j’essaie désespérément de faire passer à ma commune…

Sinon, on peut y aller plus cash ⬇️

---

Update

Voici la version vélo

https://upload.wikimedia.org/wikipedia/commons/f/fc/Metrominuto-cycliste-Cabestany.svg

Le titre du texte

Un sous-titre

Texte pour le test… Blablabla !

Cette liste illustre l’état d’avancement de la conformisation de la carte OpenStreetMap aux toponymes officiels adoptés par décret du président de la région autonome Vallée d’Aoste (https://www.regione.vda.it/enti_locali/cartella_f.asp?pk_cartelle=183)

1. ✅ Allein
2. ✅ Antey-Saint-André
3. ✅ Aoste
4. ✅ Arnad
5. ✅ Arvier
6. Avise
7. Ayas
8. ✅ Aymavilles
9. Bard
10. ✅ Bionaz
11. ✅ Brissogne
12. ✅ Brusson
13. ✅ Challand-Saint-Anselme
14. ✅ Challand-Saint-Victor
15. ✅ Chambave
16. ✅ Chamois
17. ✅ Champdepraz
18. ✅ Champorcher
19. ✅ Charvensod
20. ✅ Châtillon
21. Cogne
22. Courmayeur
23. ✅ Donnas
24. Doues
25. Émarèse
26. ✅ Étroubles
27. ✅ Fénis
28. Fontainemore
29. Gaby
30. ✅ Gignod
31. Gressan
32. Hône
33. ✅ Introd
34. Issogne
35. Jovençan
36. La Magdeleine
37. La Salle
38. La Thuile
39. Lillianes
40. Montjovet
41. Morgex
42. Nus 43.Ollomont
43. Oyace
44. Perloz
45. Pollein
46. Pontboset
47. Pontey
48. Pont-Saint-Martin
49. Pré-Saint-Didier Quart Rhêmes Notre Dame Rhêmes-Saint-Georges Roisan Saint-Christophe Saint-Denis Saint-Marcel Saint-Nicolas Saint-Oyen Saint-Pierre Saint-Rhémy-en-Bosses Saint-Vincent Sarre Torgnon Valgrisenche Valpelline Valsavarenche Valtournenche Verrayes Verrès Villeneuve

fait pour le département Saône & Loire

fait pour le département de Saône & Loire

Today, I made my first big modification on the town of ath

that consisted by correcting a whole neighborhood :

• I added buildings
• I also removed/modified some of the originals buildings to make them fit to the PICC wallonia layer
• I also changed the position of some nodes to place them just on the door of each shops

here is the changeset link : ath

Ps : My main goal is to reshape the entire town of ath.

Suite à l’import des batiments et adresses en Belgique, j’avais comparé, dans un article précédent, le nombre d’adresses par communes entre OSM et la source de référence en Wallonie, le PICC, en septembre 2022.

Quelques mois plus tard, une mise à jour des principales figures.

En Wallonie, 1,097,519 adresses sont répertoriés dans OSM, contre 1,634,840 dans ICAR (67.1%). On était à 64.4 % en septembre 2022.

Voici une carte choroplète, montrant, pour chaque commune, le degré de complétion des adresses dans OSM par rapport à ICAR. Les limites de provinces sont soulignées par un trait plus gras.

Et une carte de l’évolution des adresses depuis septembre 2022.

Les 10 communes où les adresses ont le plus progressé sont:

1. Frasnes-lez-Anvaing
2. Rumes
3. Lens
4. Le Roeulx
5. Hélécine
6. Antoing
7. Binche
8. Ellezelles
9. Braine-le-Comte
10. Court-Saint-Etienne

Et les communes où les adresses sont le moins complètes sont:

1. Manage
2. Dour
3. Ecaussines
4. La Louvière
5. Braine-le-Comte
6. Le Roeulx
7. Celles
8. Flobecq
9. Quevy
10. Soignies

À noter que dans beaucoup de communes, toutes les adresses sont complètes (par ex. Saint-Ode, fait récemment), mais que le rapport est toujours en-dessous de 100%, parce qu’ICAR affiche des numéros d’adresses pour des parcelles loties, mais non encore construites.

RDV sur cette page de discussion et sur cette carte pour continuer à compléter les adresses.

département de l’Aube

Inspiré du travail de SK53[1] j’ai ressorti les couverts et me suis relancé sur R (Un langage de programmation destiné au traitement de données). L’occasion d’à la fois me dérouiller un peu, de voir les interactions entre les communautés R et OpenStreetMap, et d’apprendre à jouer avec des données spatiales. Le code est fonctionnel mais nécessite encore un peu de peaufinage[2].

R n’est pas fourni par défaut sur ma distribution, ce qui a donc nécessité les bricoles d’usage pour l’installer avec l’interface RStudio – À défaut d’alternatives. Je ferai abstraction des installations de paquets nécessaires pour les librairies R par la suite (De tête il y en a eu pour pas moins de 2 Go).

En route

J’avais comme point de départ l’entrée de journal très succincte, ainsi qu’un morceau de code partagé sur le Fediverse :

qplot(x=area,data=ten,
geom="histogram",binwidth=25)
+aes(y=cumsum(
after_stat(count))
)

+labs(x="area of pitch", 
y="count", title="Area of Tennis Courts in Great Britain on OSM")

+scale_x_continuous(
breaks=seq(0,2500,250),
limits=c(0,2500)
)

Bien qu’utilisant une syntaxe qui ne me sied guère le code semble relativement propre – Spoiler, je ne l’utiliserai finalement pas –, reste à savoir comment générer le jeu de données : je n’ai pas trouvé d’explication sur le passage d’une requête Overpass vers le calcul de surfaces. Ni le nettoyage des données au passage, je suppose qu’il y a aussi bien des nœuds, que des polygones, que – sigh – des multipolygones.

Spatial R : Comme le Spécial K™ mais avec plus que des lignes

J’utilise les paquets suivants :

• dplyr : Manipulation de données générale ;
• osmdata, sf, et units : Géographie ;
• ggplot2 : Standard pour les graphiques.

Overpass dans R

En lieu et place d’un jeu de donnée externe, osmdata permet de directement faire une requête Overpass. Je l’utilise pour rechercher les chemins (ouverts ou fermés) qui portent les attributs leisure = pitch et sport = tennis.

À noter que la valeur de timeout ne suffit probablement pas pour le projet initial et qu’il faudra attendre un certain moment, je me limite au département du Doubs comme preuve de concept.

item <- area_boundingBox %>%
  opq(osm_types = "way", timeout = 180) %>%
  add_osm_feature(key = "leisure", value = "pitch") %>%
  add_osm_feature(key = "sport", value = "tennis") %>%
  osmdata_sf()

Nettoyage et calcul

Le code a généré une variable complexe avec des listes imbriquées, on peut de manière simple ne garder que les polygones – Ne me demandez pas de détails sur les autres éléments –, et calculer un nouveau champ area pour chaque élément correspondant à sa surface.

polygons <- item$osm_polygons

polygons <- mutate(polygons, area = st_area(polygons$geometry))

Ça donne quoi ?

Vient alors le fun, la révélation des résultats ! La fonction summary permet de simplement voir l’homogénéité du jeu de données, s’il y a des valeurs extrêmes ou non.

summary(polygons$area)

Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
61.09  536.55  634.11  640.94  682.94 2688.95

La valeur standard étant 260,87 m², on peut raisonnablement répondre à la question initiale de SK53 en retrouvant sa conclusion : non, les courts de tennis ne sont pas cartographiés unitairement mais plutôt par lot de 2 ou 3 si l’on se base sur les valeurs de 1er et 3eme quartiles (75 % des courts).

On pourrait s’arrêter ici, mais ce serait dommage de ne pas avoir au moins un joli graphique à encadrer chez soi :

• ggplot(polygons, aes(y=area)) + geom_boxplot() donne une version visuelle de tableau précédent : La majorité de terrains fait entre 540 et 680 m², 25 % se trouvent en dehors ;
• plot(polygons$area) donne un graphique brut mais néanmoins intéressant révèlant les différents éléments du jeu de données ;
• ggplot(polygons, aes(area)) + geom_freqpoly() est encore plus intéressant, on observe globalement deux pics correspondants à une centaine de terrains proches des 260 m² attendus, ainsi que de 640 m² potentiellement deux terrains et l’espace les séparant ;
• ggplot(polygons, aes(area)) + geom_histogram(binwidth = 50) idem que précédemment.

La fonction coord_cartesian(xlim = c(200, 700)) permet de mettre en valeur ces deux pics en zoomant dessus.

Pour étayer la réponse à SK53 : Non, les courts de tennis – dans le Doubs et jusqu’en date de l’analyse – ne sont pas cartographiés unitairement… mais par paire ! La distribution ici penchant plus vers les paires que les simples comme en Grande-Bretagne.

Ré-application : Passion bitume

Je n’ai que peu d’intérêt pour le tennis – pour ne pas parler de dégoût. Le code est cependant assez simple pour pouvoir être ré-appliqué à d’autres thèmes comme le golf et ses vastes gazons, ou, de loin un sujet que je préfère… les parkings. Il suffit alors de remplacer l’attribut de requête en add_osm_feature(key = "amenity", value = "parking") et le même code peut-être réutilisé sans vergogne !

On dénombre donc 11441 parkings surfaciques dans le Doubs, dont 75 % mesurent entre 100 et 830 m² – le maximum étant à 131176 pour le parking de PSA à Étupes rue Pierre Marti ! Le minimum est de 4 m², valeur plus que douteuse et en effet, cela vient d’éléments à côté de Murten (Suisse) où la valeur parking_space serait plus pertinente en plus d’avoir une géométrie sous-évaluée – Mes tracés sur images sont plus proches des 15 m² habituels.

Références

[1] Do people map single tennis courts?, SK53 2023

[2] R-OpenStreetMap_SurfaceArea, LeJun 2023

Je suis sur le point de partir pour le GR 10 et je m’apperçois qu’il manque un grand nombre des horaires d’ouverture des magasins dans les villages que traverse le GR 10. C’est une chose qui peut être très importante; aussi mon objectif est-il de compléter un maximum ces données. Si d’autres veulent se lancer dans l’aventure, ce serait formidable.

Le mercredi 12 avril 2023 de 18h00 à 21h00

Droit au Vélo – ADAV et l’OMJC vous invitent à une rencontre autour d’Openstreetmap à la MRES.

Cet événement a lieu dans le cadre de l’opération “Libre en fête” qui propose des opérations de découverte du Logiciel Libre et de la culture libre à destination du grand public.

Avec OpenStreetMap, vous pouvez participer à la construction d’une carte en ligne libre, gratuite et partagée avec le monde entier !

Programme de la soirée

• Tour de table, présentation des contributeurs et contributrices

• Démonstration de l’usage d’OpenStreetMap par l’ADAV

• Discussion et questions diverses

Lieu de la réunion: MRES Maison Régional de l’Environnement et des solidarités – Salle Yser, 5 rue Jules de Vicq, Lille Fives

Plan: https://osm.org/go/0EgKBuXuR?m=

Note de l’éditrice: Écrit à l’origine par Heather Lesson, Dinar Adiatma, et Can Ünen. Ceci est une traduction.

Disposer des données cartographiques les plus récentes et les plus précises est crucial pour les interventions d’urgence. La communauté OpenStreetMap et ses partenaires ont créé ceci pour soutenir les humanitaires. Les données OSM sont partagées sur la platforme Humanitarian Data Exchange et sont utilisées pour développer des produits de gestion de l’information pour les décideurs répondant aux urgences.

Cette courte note a pour but d’aider les nouveaux mappers à démarrer et d’encourager la qualité des données. La communauté turque locale, Yer Çizenler, et HOTOSM coordonnent cette activation. Pour la Syrie, la cartographie est plus complexe puisqu’il s’agit d’une zone de conflit. HOT travaille en étroite collaboration avec certains collègues et partenaires pour évaluer soigneusement toutes les tâches HOT en Syrie. Comme il s’agit d’une zone de conflit, nous collaborerons pour nous assurer que les contributions OSM du Gestionnaire de Tâches HOTOSM ne causent aucun dommage. Nous sommes là pour assister ceux et celles qui portent aide.

Nous savons que beaucoup veulent aider. Nous vous demandons de parler avec d’autres mappers pour apprendre et aider les intervenant.e.s tout en respectant les directives locales.

La qualité des données est importante dans OpenStreetMap (OSM) car elle affecte directement la précision et l’utilisation de la carte. Toutes les données doivent être adaptées à l’objectif, et pour qu’elles correspondent à l’objectif, il faut le moins de lacunes possibles. Une mauvaise qualité des données peut conduire à des informations incorrectes ou obsolètes, ce qui a un impact négatif sur les personnes qui comptent sur OSM pour la navigation, la planification et la prise de décision. En savoir plus ici.

Contacts - Les contacts des Coordinateur d’Activation de HOT peuvent être trouvés sur le wiki OSM

Nouveaux mappers

Êtes-vous nouveau sur OSM? La situation est une urgence complexe et nous sommes heureux de vous aider à démarrer:

1. Regardez les vidéos de base sur la façon de cartographier via Map Give
2. Consultez Learn OSM et consultez le guide wiki OSM pour cette urgence
3. Observez les livestream quotidien et rejoignez un mapathon
4. Participez aux défis MapRoulette de Yer Çizenler pour marquer les bâtiments effondrés à partir d’ensembles de données vérifiés
5. Rejoignez les canaux slack HOTOSM pour #disastermapping et #mappersupport
6. Demandez de l’aide - la communauté est là pour soutenir votre parcours OSM

Mappers Intermédiaires et Experts

Bienvenue! Voici comment commencer:

1. Voici les tâches du Gestionnaire de Tâches de HOT - À JOUR
2. Petites tâches sur MapRoulette via Yer Çizenler et la page principale de MapRoulette
3. En raison de la largeur du projet, la cartographie assistée par IA est encouragée à l’aide de l’éditeur RapiD
4. Rejoignez les mapathons
5. Surveillez les canaux du slack HOT
6. Lisez tous les conseils sur le wiki
7. Aidez les nouveaux mappers, donnez des commentaires aimables et soutenez les équipes de validation/qualités des données

Resources

• Comment les données sont-elles utilisées via Pete Masters
• Participez à un mapathon - en personne et en ligne
• Livestream quotidien de Yer Çizenler
• Page wiki OSM avec tous les détails
• Guide pour utiliser l’éditeur RapiD pour les utilisateurs débutants et expérimentés

Après 3-4 mois à dégommer du mauve dans le 22, voilà une image satisfaisante. Je me suis attelé à combler les vides dans les Côtes d’Armor à la fin de l’été 2022.

Plusieurs remarques:

1. Un département c’est grand. Le chantier est énorme, surtout dans les zones rurales. J’ai pas connu les débuts d’OSM, mais je suis passé sur des zones où il manquait carrément des routes entre des villages, je savais pas que ça existait encore sur la France.
2. Je suis du genre à vouloir micro-cartographier tout ce que je vois, mais même en enrichissant la carte à la vitesse d’une commune par semaine il me faudrait 7 ans pour aller d’un bout à l’autre du département (et clairement j’ai pas ce rythme).
3. Ce qui me prend le plus de temps c’est l’occupation des sols et la correction des bâtiments, ce qui n’est vraiment pas le plus utile mais je suis accro au rendu (ci-dessous les zones rurale en bocage avec la couche Thunderforest Landscape)
4. Donc je me suis fait une liste de choses à cartographier en priorité, comme les routes, les adresses, les lieux de la BD Topo, etc. J’ai mis tout ça dans un tableur Calc pour visualiser mon avancement et pas perdre ma motivation trop vite.

Je vais maintenant essayer de dégommer du rouge (noms de rues manquantes sur la couche BANO) + adresses mais n’étant pas sur place, je vais surtout pondre une flopée de notes et de fixme.

Voilà pour les premiers mois,

A la prochaine !

La conflation, également appelée appariement ou fusion de cartes, permet d’obtenir un jeu de données à partir de plusieurs. Cela vise en autres à une meilleure qualité, et à limiter la redondance des données. Différents outils et méthodes permettent cela sous OpenStreetMap, dont une extension JOSM.

Principe général

L’idée générale est simple, il suffit de prendre les deux jeux de données et comparer un à un chacun des éléments de part leur géométrie (position spatiale et forme) et caractéristiques. Manuellement, comparer des données spatiales revient à avoir chaque jeu de données sur un calque et superposer les deux pour mettre en évidence les différences géométriques avant de comparer les caractéristiques de chacun d’eux et voir si une version est plus précise que l’autre, ou si des données concurrentes apparaissent. Numériquement, le même principe est utilisé, seulement il est grandement facilité via des scripts automatisés qui apparient les données selon différent critères. Mais bien sûr, rien n’empêche de le faire manuellement avec les données sur deux calques, ce sera juste très long et répétitif.

Extension « Conflation »

L’extension repose sur la fonction « Remplacer la géométrie » de l’extension « UtilsPlugin2 » qu’il faut également installer. Cette fonction permet de fusionner les caractéristiques de deux éléments en ne conservant qu’une seule des deux géométries.

Les deux jeux de données auront un rôle de « Référence » et de « Sujet ». Le premier correspondant usuellement aux données à importer et le second aux données OpenStreetMap.

Prétraitement des données de référence

Par simplicité, je préfère travailler les données en dehors de JOSM via un tableur ou des commandes de remplacement. Il s’agit alors de transformer les données de manière à coller aux attributs OpenStreetMap en perdant le moins possible de détails. Les puristes le feront sous format GeoJson, Shapefile ou que sais-je encore, je suis un homme simple, j’aime les csv.

Pour l’exemple, je vais chercher à traiter les quelques 7819 emplacements de stationnement vélo recensés par l’Eurométropole de Strasbourg. Une version conforme à la Base Nationale de Stationnement Cyclable permettrait une transformation quasiment à 1 pour 1 des attributs mais j’ai préféré en faire une tâche d’intégration sur Osmose et réaliser cette harmonisation manuellement. Cette version disposant également de plus de détails concernant le type de stationnement – La conflation sert à gagner en qualité.

Le fichier dispose de 14 champs :

• ID Emplacement, qui correspondra à la clé ref selon le modèle BNSC ;
• Type d’arceau qui correspond directement à bicycle_parking ;
• Nombre d’arceaux qui me permettra de déduire capacity. Attention cependant, il est indiqué sur le jeu de données que c’est au « sens patrimonial » : cintrés et carrés comptent pour deux places tandis que ranges-vélos et attaches vélo-cargos comptent pour un. Ça devient complexe et je suis plutôt content d’utiliser un tableur plutôt que d’essayer en faire sens sous JOSM ;
• Abri vélo semble correspondre à l’idée d’un bâtiment building plutôt que simplement la couverture face aux intempéries covered, ce dernier sera logiquement inscrit puisque découle du premier ;
• Gestionnaire indique si l’emplacement dépend de l’Eurométropole ou non, operator ;
• Date d’installation correspond à start_date ;
• Date de dernier remplacement, a un sens abstrait, aussi je conserverai la date initiale d’installation ;
• Date de levée a également un sens obscur. Il apparaît que cela soit un nouveau format apporté par la suite. Seul 8 cas de chevauchement de l’installation et la levée apparaîssent. Dans le doute on va le mettre dans start_date ;
• ID sous tronçon indique l’identifiant du tronçon de route le plus proche. Inutile pour nous ;
• Source de l’information est explicite, cela reste inutile pour nous et on se contentera de citer le jeu de données en commentaire du groupe de modifications comme il est d’usage ;
• Date de MAJ semble correspondre au suivi de la maintenance, inutile pour nous tant cela reste abstrait ;
• Date de création semble être celui de la donnée et non de l’installation en elle-même ;
• Geo Point, donne les coordonnées géographiques de l’élément. C’est probablement ce qui est interprété par JOSM pour le positionner ;
• Geo Shape. permet de décrire la géométrie de l’élément. Il permet notamment d’indiquer la forme d’une rangée d’arceaux. Bien qu’intéressante, cet usage ne semble pas commun sur OpenStreetMap et on lui préfère un centroïde au milieu de l’installation ou un polygone s’il s’agit d’un bâtiment couvert.

Ainsi, le seul pré-traitement réel à effectuer est d’effectuer la correspondance des types d’arceaux ainsi que d’en calculer la capacité. Il semble dans les fait que cintré et carré soient utilisés pour distinguer deux modèles d’installation qui rentrent sous la catégorie des stands, il y a ici une perte de données qui pourrait être compensée à l’aide de la clé model si la référence venait à être trouvée. Dans le jeu, 478 emplacements sont indiqués comme abri-vélos, des opérations sont à prévoir dans l’étape suivante.

Mise en place du jeu de données « Sujet »

Dernière étape avant de réellement voir le jeu de données à importer, il faut trouver les données sur OpenStreetMap. En théorie il serait possible de simplement télécharger toute la zone couverte par les données « Référence » mais à moins d’avoir un ordinateur boosté aux hormones on va préférer faire une requête sur les éléments qui nous intéressent uniquement. C’est l’heure de dégainer Overpass. Rien de folichon ici,

Loin de moi la prétention de maîtriser l’art des requêtes, je vais plutôt tabler sur l’assistant pour qu’il me donne tous les amenity=bicycle_parking de Strasbourg… Ou plutôt de l’EuroMétropole de Strasbourg… 3421 éléments trouvés contre un jeu de données de 8000, la journée s’annonce longue.

 Traitement JOSM

Une fois la scène mise en place, ne reste qu’à fusionner. Ouvrez la fenêtre de Conflation et cliquez sur « Configurer ». Sélectionnez et figez – Aucune idée du sens – les données de la couche « Référence », puis la couche « Sujet » et générez les appariements. Veillez à bien, rendre le calque actif, sélectionner toutes les données (Ctrl+A) et de figer. Différentes méthodes d’appariement sont proposées, sans idée je pars avec les paramètres par défaut.

L’onglet de Conflation se remplit de lignes d’appariements. Une colonne colorée de façon criarde indique si la fusion peut se faire automatiquement où si des données sont en conflit. Pour chaque ligne, il suffira alors de valider ou non l’appariement – Toujours dans le sens « Sujet » vers « Référence » pour ce qui est de la géométrie – et de gérer les conflits au cas par cas. Les imprécisions des deux jeux seront mises en évidences.

Des éléments n’ont pas d’apparié et n’existent que sur OpenStreetMap ou dans les données communales. Ici encore, pas de traitement automatique, il faudra se dégourdir et analyser au cas par cas si l’intégration est justifiée ou non, et si nécessaire prévoir des sorties sur le terrain pour l’appuyer. Par défaut, je considère les données OpenStreetMap comme ayant plus de valeur, partant de cela, j’ai précisé lors de l’appariement dans le champ prévu à cet effet d’exclure la valeur capacity du jeu de référence. Les conflits ne demanderont pas de résolution mais seront tout de même mis en évidence en couleur jaune.

Sans surprise, une part importate des appariements est correcte : l’élément indiqué dans les données correspondent à ce qui est sur OpenStreetMap. Je peux sélectionner une suite d’éléments sans conflits et de score élevé dans ma liste pour les combiner. Des erreurs surviennent parfois, en particulier lorsque le nœud sur OpenStreetMap fait partie d’un polygône. À priori cela n’a pas lieu d’être et ce sont souvent une limite venant de l’appariement, mais également des données OpenStreetMap où un élément a été relié par erreur à un bicycle_parking. L’appariement peut ainsi être supprimé de la liste. Cela aurait pu être évité en filtrant de nouveau les données OpenStreetMap sous JOSM via un filtre ne conservant que les bicycle_parking.

Parmi les conflits pouvant survenir, on retrouvera où des erreurs de capacity ou de bicycle_parking. Le premier cas est plutôt courant selon la manière de diviser les stationnements. Là où il sera facile de ne voir qu’un lot de 60 places, celui-ci peut officiellement être divisé en plusieurs lots. Dans le second c’est plus complexe et il faudra déterminer au cas par cas. Ce que je considère comme étant une erreur de cartographie, bien qu’approuvé, est l’attribut bicycle_parking=building. Il ne permet pas de déterminer le type de mobilier à disposition pour attacher son vélo, et pourrait être remplacé par covered=yes, indoor=yes (répandu pour les défibrillateurs), ou encore building=yes.

Faute de raccourcis à l’extension, ma méthode est globalement de naviguer entre les éléments avec les flèches directionnelles (la touche Entrée permet de zoomer sur la sélection) et d’alterner entre appariements à supprimer et appariement valides. Cela permet de rendre le processus plus agréable – dans une certaine mesure – que la machine à clics que cela serait autrement.