OpenStreetMap

Когда осмеру делать нечего...

Posted by Danidin9 on 27 August 2015 in Russian (Русский)

…он садится на велосипед, достаёт блокнотик/смартфон и мапит свой город поквартально. Результаты сей деятельности в исполнении автора видны из приведённой ниже схемы:

Конечно, в “красных” кварталах на севере не только квартиры добавлены: если бы я занимался только этим, то было бы слишком просто. Там и все дороги нарисованы, и дома в 3D, и лежачие полицейские, и детские площадки, и много чего ещё. Тут ведь как: начнёшь с одного, а там вылезет ещё что-нибудь, а потом ещё и ещё. Расположение подъездов малоинформативно, если дом нарисован криво, а если выправлять его, придётся и дороги двигать, и заборы, и т.д. Но именно по ситуации с addr:flats результаты работы нескольких месяцев выглядят максимально наглядно.

В общем, за 4 тёплых сезона (немного - в 2011, 2012, и побольше - летом 2013, и в июле-августе нынешнего) в OSM были внесены номера квартир в более чем 10 тысячах подъездов, в которых проживает, по общим прикидкам, миллион человек. Не обошлось конечно и без интерполяции, там где она была уместна. Тем не менее, считаю полученные данные достаточно валидными для подсчёта численности населения в том или ином квартале (исключая, пожалуй, лишь общежития и подобные им здания - к ним нужен отдельный подход).

Два года назад я первый раз подбил статистику по использованию тега addr:flats. Что же изменилось с тех пор? Общее количество употреблений тега возросло в три раза, с 15 до 47 тысяч. При этом доля России не только не уменьшилась, но и выросла, превысив 72%; а вместе с ближним зарубежьем достигла 90%. Рейтинг же по городам, по состоянию на нынешний день, выглядит так (топ-22):

  1. Санкт-Петербург 12917
  2. Москва 4994
  3. Витебск (Беларусь) 3876
  4. Владимир 1342
  5. Краснодар 1273
  6. Россошь (Воронежская область) 1209
  7. Луцк (Украина) 1206
  8. Киев (Украина) 995
  9. Жуковский (Московская область) 886
  10. Новосибирск 806
  11. Томск 776
  12. Выборг (Ленинградская область) 745
  13. Троицк (Челябинская область) 729
  14. Коломна (Московская область) 694
  15. Архангельск 671
  16. Ульяновск 538
  17. Екатеринбург 421
  18. Хельсинки (Финляндия) 389
  19. Авдеевка (Украина) 384
  20. Калуга 332
  21. Каменск-Уральский (Свердловская область) 328
  22. Шлиссельбург (Ленинградская область) 300

Вид рейтинга очевидно странный, и наличие в нём целого ряда райцентров говорит о том, что даже в России тег addr:flats используется лишь отдельными энтузиастами, рисующими карту “в поле”. Можно даже сказать, что на постсоветском пространстве он является одним из индикаторов происхождения данных (а также и их качества). Ведь вряд ли где-то есть базы в открытом доступе, где содержатся геопривязанные данные по нумерации квартир.

Comment from AdventurerRussia on 27 August 2015 at 21:24

иногда мне становится страшно, когда я вижу такие вещи

Comment from bigopenmac on 27 August 2015 at 21:43

Пожалуйста, добавь в заметку мини-инструкцию как заносится информация и как ее потом можно увидеть/использовать.

Comment from bigopenmac on 28 August 2015 at 09:41

С обозначением разобрался. На контуре дома наносятся входы с тэгами:

  • entrance=staircase #вход в подъезд
  • addr:flats=1-88 #диапазон номеров квартир
  • ref=1 #номер подъезда

Comment from freeExec on 28 August 2015 at 11:29

Пресет для типовых диапазонов, правда там только те дома, что я встречал у себя в городе, но его всегда можно расширить под свои нужды http://pastebin.com/YRWZWVKr

Ну и надо к следующему подсчёту подняться в десятку.

Comment from Zverik on 28 August 2015 at 13:27

Залил себе данные в базу, чтобы поискать ещё статистику (ты её написал меньше, чем в прошлый раз :) и обнаружил единственный village, вошедший в топ 40: Гвардейский. Все 222 подъезда нарисовал Nikolaev.

Comment from Danidin9 on 28 August 2015 at 18:21

freeExec: в Санкт-Петербурге два наиболее распространённых класса жилых домов: это 5-этажки (“хрущёвки”) с 4, 3 или 2 квартирами на лестничной площадке и 9-этажные “брежневки” с 4 квартирами. Соответственно, типовые диапазоны обычно кратны 10,15, 20 и 36. Однако, есть одна проблема: почти во всех 9-этажках, а также в длинных (больше 5 подъездов) 5-этажках повсеместно распространены дворницкие, а в какой подъезд она попадёт в конкретном доме - сказать сложно. Дворницкая - это минус одна квартира и сбой в последовательности. Да ещё иногда они переводятся в жилой фонд, и получается что-то вроде: 1 подъезд - 1-36, 2й - 37-71;108 и 3-й - 72-107. Вообще, здесь надо брать каждую конкретную серию домов и описывать её особенности. По сериям, по которым уже есть статистика, я, пожалуй, напишу в профильной серии на форум (но это только по Санкт-Петербургу, в большей части России серии домов отличаются от тех, что строились в двух столицах).

Comment from Danidin9 on 28 August 2015 at 18:21

И по поводу пресета. Я уже писал на форуме, что оптимальным мне видится скрипт, берущий данные по номерам квартир с линии, и раскидывающий их по соединённых ею точкам. То есть строку вида “15 30 45” он превращает в диапазоны 1-15, 16-30, 31-45 на трёх точках, плюс ставит ref по порядку их следования. Лично для себя я уже написал такой, но это было сделано на экзотической версии С++ (других языков я не знаю), он читает osm-файл как txt, и вообще там много нюансов, из-за которых незнающий человек легко поломает данные. Поэтому другим я его дать не могу, но было бы неплохо, если что-то подобное было сооружено в josm. По личному опыту это многократно ускоряет ввод адресации (и, кстати, подобную программу можно приспособить и для ввода последовательных номеров домов в частном секторе).

Comment from Danidin9 on 28 August 2015 at 18:25

Zverik: ну, база растёт, упомянуть всех героев поимённо в этот раз не удалось, может в следующий раз :)

Comment from Vadimi on 31 August 2015 at 14:33

А еще CupIvan сделал карту подъездов:

http://osm.cupivan.ru/entrance/#355/?z=17&lat=45.06181720818201&lon=38.95506262779236

Comment from LLlypuk82 on 6 September 2015 at 01:04

Витебск - 3-е место))) Неожиданно, удивительно и немного приятно)) В очередной раз убеждаюсь, что некоторые, казалось бы, простые и полезные вещи делаются смешным количеством человеко-единиц. И это - в масштабах огромных населённых пространств.

Login to leave a comment