For the German regions of Sachsen-Anhalt and Niedersachen, I thought there are probably all buildings mapped. At least those called Einfamilienhaus or Reihenhaus.

But I found that with the following overPass query, many potential spots for missing buildings data can be found:

way["landuse"="construction"]({{bbox}});

And because of that my change set statistics of today is as follows:

Edited on 2026-01-27:

• 2281 nodes
• 404 ways
• 1 relation

Most used tags for nodes:

1. natural (371)
2. addr:housenumber (48)
3. addr:street (48)
4. addr:postcode (46)
5. addr:city (46)
6. entrance (36)
7. addr:country (26)

Most used tags for ways:

1. building (319)
2. landuse (22)
3. highway (16)
4. amenity (9)
5. addr:postcode (9)
6. addr:city (9)

Conclusion

Many buildings have been added (and some trees 🌳👼) in Niedersachsen and Sachsen-Anhalt.

But as the query suggests, there are still some construction sites which can be investigated. Probably this “trick” is already known to hardcore-mapper ;)

30

এই ম্যাপিং কার্যক্রমে রাজশাহী জেলার বাগমারা উপজেলার নাগা বাজার এলাকাকে কেন্দ্র করে মাঠপর্যায়ের তথ্য ব্যবহার করে OpenStreetMap হালনাগাদ করা হয়েছে। এতে নাগা বাজারের নিকট অবস্থিত একটি ইসলামি শিক্ষা প্রতিষ্ঠান (মাদ্রাসা), অবস্থান ও প্রাসঙ্গিক ট্যাগ যুক্ত করা হয়েছে, যা স্থানীয় শিক্ষার্থী ও পথচারীদের জন্য সহায়ক হবে।

Second day of “quick” weekend project.
Frankly, I’ve run out of interesting things to map around my immediate surroundings. During the holiday season I travelled around the countryside and noticed long stretches of cycleways running alongside highways, occasionally featuring benches, bins, and similar roadside infrastructure. On one trip I tried mapping a rural street using EveryDoor, but the result was similar to summer cycling: frequent stopping dropped my average speed by 10–15 km/h.

I needed a solution where I could mass-save coordinates while moving, and deal with proper mapping later. Vespucci’s copy-paste workflow is probably the closest thing in the OSM ecosystem, but it still requires first tagging a node, then tapping the correct spot on the map. If the map is accidentally dragged, follow-position mode is disabled, and changing the type of copied element requires tagging a new node.
After concluding development I was suggested OsmAnd may support something similar.

I’m android user, so the problem was phrased as “Is there some Android app with a super fast UI for saving coordinates?”

A quick search showed that virtually no existing apps allow bulk bookmarking of unnamed unorganised coordinates My intention was save location something i could later properly map from aerial images. Most apps seemed to require at least 2-3 taps to save position, often with typing bookmark name.

Functional requirements

For time estimates and comparison I used my typical summertime EveryDoor mapping experience. Potential mapping-assisting app should consider these points:

… See full entry

La mia proposta è in fase proposed

osm.wiki/Proposal:Civil_Protection_Areas

https://community.openstreetmap.org/t/rfc-proposal-civil-protection-areas-emergency-waiting-area-shelter-area-staging-area-rescue-logistic-entry-rescue/141031

Le Mur des réformateurs (ou Monument international de la Réformation) est désormais mieux cartographié et libellé en OSM.

Ce résumé décrit les divers éléments d’OSM dans leur état actuel (25 janvier 2026) et fournit des liens, bien que les détails aient pu changer depuis. Il précise également les champs (ou “tags”) utilisés pour donner ces informations.

Dans OSM, il y a 5 groupes d’éléments:

• 1 élément pour l’ensemble

• 10 éléments pour les statues

• 8 éléments pour les bas-reliefs avec les inscriptions monumentales

• 4 éléments pour les pierres commémoratives

• 1 élément pour le bassin

Restent à préciser les armoiries (Genève, Berne, Ecosse).

Statues

Il y a le groupe central:

• Guillaume Farel

• Calvin

• Théodore de Bèze

• John Knox

Les statues situées sur les côtés sont, à gauche (face au mur):

• Gaspard de Coligny

• Guillaume le Taciturne (Willem van Oranje)

• Frédéric-Guillaume, le Grand Electeur (Kurfürst Friedrich Wilhelm von Brandenburg)

à droite:

• Roger Williams

• Oliver Cromwell

• Etienne Bocskay (Bocskai István)

Les bas-reliefs et les inscriptions monumentales

Il y a 8 bas-reliefs associés aux statues, sous des inscriptions monumentales. Sous chaque relief, il y a un titre descriptif. A gauche et à droite d’un relief, il y a une citation ou une inscription (latérale). Les noms des personnes représentées dans les reliefs sont notés dans le relief.

… See full entry

🚀 Launch

CNEFE System – OpenStreetMap Brazil.

UMBRAOSM has just launched the CNEFE System, a new collaborative mapping tool that integrates open data from the CNEFE / 2022 Census (IBGE) with OpenStreetMap, covering all of Brazil.

With the CNEFE System, mappers can: ✔ Identify street names missing from OSM ✔ Correct spelling errors and variations ✔ Update street names based on official data ✔ Edit directly in JOSM or iD, avoiding rework

🛠️ The system was developed by Raphael Assis, president of UMBRAOSM, with data processing and organization carried out by Anderson (Santamariense), a result of the collaborative effort of the OSM Brazil community.

📘 Supporting material: https://cnefe.mapaslivre.com.br/tutorial/tutorial-logradouro.php

🎥 YouTube video lesson: https://www.youtube.com/watch?v=Y_Shjt4IjTg

🌍 Access the tool: https://cnefe.mapaslivre.com.br/logradouro/index.html

If 2026 started like this, the future of collaborative mapping in Brazil promises to be exciting 🚀

hashtag#UMBRAOSM hashtag#OpenStreetMap hashtag#OSMBrasil hashtag#CNEFE hashtag#Censo2022 hashtag#IBGE hashtag#Geoproc

Today, uBlock Origin detected 2 trackers. There was an attempt to fingerprint my GPU by extracting canvas data. What is going on, OSM? Is this why I’ve been donating you my free time? Maybe you’re not so better than Google after all…

Pour une discussion, voir community.openstreetmap.org

本文是2025 年中国大陆乡镇 OSM 要素完备度分析报告（一）的续篇，展示了中国大陆内 31 个省、区、市内的乡镇 OSM 要素完备度分布情况。关于本文所述的 OSM 要素完备度及其统计规则，前篇已有介绍，本篇就不再赘述。本文吸纳前篇发表后的诸多建议所作修改，也展示在了前篇的对应部分中。所以，在阅读本篇的结果之前，请先对前篇中的说明有所了解。

本篇的结果分为六个部分。前五部分是各个省级行政单位的平均结果，按其平均完备度的排名顺序排列，先期结果中已有的北京、广东、江苏等省份不再重复介绍。最后一部分介绍全国的整体情况。

---

说明：

• 本文所述的“完备度”分数是在特定规则下得到的定量指标，不应该作为该区域绘图质量的认可或否定，也不应当作为唯一的绘图目标

• 本文统计时使用的统计脚本和统计数据已开源于 GitHub，感兴趣的读者可以自行取用，并以 GPL-3.0 协议进行二次开发

• 本文统计时使用的乡镇名单数据来源于中国统计局，时效是 2023 年。在此之后的 2025 年，中国大陆重启了乡镇级的行政区划调整工作，这几年可能会有频繁的行政区划变更。遗憾的是，由于统计局从 2024 年 10 月之后不再公开行政用的统计代码，这份名单可能会就此冻结。希望各位 Mapper 在标注近几年的行政区划调整注意保留节点中的 old_name 标签

• 本文绘图时使用的行政边界来自于中国国家地理信息平台，与 OSM 的绘图标准会有所差异，仅作参考；平台数据的时效推测是在 2019 年前；在展示县级行政单位的平均完备度时，拆分后新设立的行政区（如杭州市钱塘区）的数据会被映射到拆分前的行政区上，而县区级黑区则因缺少相应的行政边界而无法展示

---

第一部分：上海/北京/天津/广东/江苏/浙江/内蒙古

第一部分中，排名前三的均为直辖市，其乡级行政单位的数量仅为 200–350，只略多于普通的省会城市（通常在 150–200 之间），平均完备度在省级行政单位中排名较高也是可以预期的；随后的则是先期结果中评价过的，OSM Mapper 较为活跃的广东、江苏和浙江，平均完备度在 52–57 之间，与其他省级行政单位有明显的差距。

内蒙古自治区排名第 7，平均完备度为 49.33，位居分数密集段的头部。内蒙古中部临近陕西、山西一带，以及东北部的呼伦贝尔市一带的乡镇都有不错的完备度。同时，其乡级行政单位的数量较少，仅 1022 个，使草原、戈壁上相对空白的地区没有太过拉低平均水平。

上海市（1）

… See full entry

用于标记那些不属于主要路线但仍然构成国家路线网络连接的公路。次级公路通常由乡村道路分类附例规定，并被分配为。在发达国家，通常为铺装道路，每个方向至少有一条车道，中间通常由一条中央线分隔。在基础设施较差的地区，道路质量可能更差。highway=secondaryref=reference code

在城市中，它通常用于标记比道路重要性较低的干道。有关各国公路标记原则的概览，请参见国际公路分类等效关系。primary

用于该司法管辖区中通常处于最低行政层级的次要公共道路。

未分类道路是指汽车可通行的公共道路，但其重要性不如道路。与和不同，它们通常位于住宅区之外，主要用于农业。它们可以连接小村庄;偏远工业如电厂或油田;荒野地区;小型滑雪中心;以及类似需要偶尔有汽车通行的设施。通常，这些通道设计用于本地交通，但有时也可作为绕行或通过交通的捷径使用。tertiaryresidentialtrack

应被赋予该标签的道路物理结构在不同国家之间差异很大。利用你所在国家的地图习惯，结合你的知识和判断。“未分类道路”甚至可能在国家不同地区有所不同：贫困或农村地区可能未铺设，富裕或城市地区则可能铺设。添加诸如 、 、 等标签，以描述道路的整体质量。surface=width=lanes=smoothness=

“未分类”一词源自英国道路分类系统，意为“过于轻微，无法获得分类编号”。令人困惑的是，它确实是一种分类，意为“非常次要的道路”。不要因为不知道路型就用这个标签。如果你还不知道哪种更具体的OSM标签值适用，建议考虑使用临时。highway=roadhighway=*

这在什么时候适用？ 使用此标签用于那些在您所在地区所称的道路中，这些道路的重要性较低，但这些道路并非 、 、 或 。未分类与三级之间的区别可能很微妙：一般来说，始终考虑该道路在该地区道路网络中的相对重要性，并适当标记。tertiaryresidentialservicetrack

该标签用于连接较小定居点的道路，也用于大型定居点内连接地方中心的道路。在交通网络方面，OpenStreetMap的“三级”道路通常也连接小干道与主干道。highway=tertiary

在城市以外，三级道路是指连接较小聚落如村庄或小村庄的低至中等交通量道路。如果连接道路更安静，可以考虑使用。对于更繁忙的直通路线，建议使用或更宽的道路，但请注意，在高度开发地区之外，可能没有比这条更繁忙的道路了。unclassifiedsecondary

在较大的城市聚落中，如大城镇或城市，三级道路连接商店、学校或郊区等地方活动中心。仅用于低至中等交通的道路。如果想要最安静的连接方式，非住宅道路可以考虑使用。如果是更繁忙的直通路线和主干道，可以使用或更高。unclassifiedsecondary

三级公路还将交通从较窄或较安静的街道（用或表示）引导到更宽的主干道（或更大），这些道路更适合重载车流。在规划层级中，它们可能被称为收集路或分流路[1]，尽管该标签对于绘制任何道路网络（无论是规划的还是涌现的）非常有用。如果地图规划不多或变化不多，可以用在中间层级道路，或者仅仅是那些在层级结构中形成更发达或频繁使用的道路，而不是最小的街道或小巷。residentialunclassifiedsecondary

Dnes, 24.1.2026, je to přesně rok od mé první úpravy na OpenstreetMap (a také měsíc od Vánoc). Od té doby jsem objevil a zažil spousta nových věcí. Naučil jsem se více si všímat věci kolem sebe, být více precizní a přesný a hlavně mě to ještě více motivovalo cestovat. Ze začátku jsem vůbec nevěděl, že existuje nějaká relace nebo dokonce mulipolygon. Na každou cestu jsem zbytečně dával tunu tagů. Ale každý někde začíná. Díky a přeji všem krásný den 😊

Cet article est un retour d’expérience sur la contribution aux commerces sur plusieurs années dans une métropole.

La contribution aux commerces est un sujet qui a toujours eu une importance dans la communauté OSM, car ce sont des données essentielles à tout à chacun au quotidien pour se repérer dans l’espace et répondre aux besoins primaires. C’est aussi une thématique de contribution qui permet de rendre OSM crédible auprès du grand public face aux applications et plateformes développées par les GAFAM et un point d’entrée pour commencer à contribuer.

Un regain d’intérêt a eu lieu sur cette thématique dans la communauté OSM France depuis environ 1 an avec l’émergence de nouveaux outils de contribution.

Une des difficultés étant d’assurer une pérennité de la donnée dans le temps, de l’exhaustivité et de la qualité (cela s’applique bien sûr à toute donnée dans OSM).

OSM vs réalité

Premier défi rencontré dans mon territoire, les commerces ont été mis à jour en majorité il y a plusieurs années par des contributeurs locaux et plus grand-chose ne correspondait à la réalité. En cause notamment la transformation du centre-ville, le développement de centres commerciaux et zones commerciales en périphérie de la métropole et la transformation des modes de déplacements en zone urbaine.

Dans cette situation, la contribution depuis le terrain était obligatoire pour pouvoir mettre à jour rapidement les commerces.

Ils existaient déjà plusieurs outils mobiles à disposition pour contribuer aux commerces sur le terrain :

… See full entry

A Mapathon has been organised for Saturday 21st February 2026 from 11am to 1pm in Belfast. Pizza will be provided at QUB Geosciences building on Elmwood Avenue behind the Student’s Union. Numbers are limited to 30 attendees.

Sign up on eventbrite here: https://www.eventbrite.co.uk/e/belfast-openstreetmap-workshop-tickets-1981332125724

Event Location: osm.org/#map=19/54.585251/-5.939057

I have been trying to mark my business on openstreetmap it is already there on google maps. I have a question if anyone can answer please.

Do it need to connect google my business with bing places

https://www.dublinsalsacademy.com/

I’ve dabbled with overpass turbo on and off for maybe a year now, but I feel like I’ve just now started to get a better understanding of how it works.
I’ve been using it to find hikes that can lead to ruins or abandoned places:

(
nwr['abandoned']({{bbox}});
nwr['historic'='ruins']({{bbox}});
);
out;

and for campsites:

(
nwr['tourism'='camp_site']({{bbox}});
nwr['tourism'='camp_pitch']({{bbox}});
);
out;

And while those are certainly useful, especially for hard to find places that won’t show up on AllTrails or other popular spots, I didn’t feel like I learned much since they’re fairly simple queries.
The way I understand it at the moment: the Overpass query language treats things as sets. There is a default set (named “_”) that gets populated with the queries.

In the case of the camping, there are two lines enclosed in parentheses which groups the two requested object sets as a union (or OR operation) to store in the default set which is then output with the “out” statement
The “nwr” is a shorthand for “node” “way” “relation” so it indicates what kinds of objects we’re looking for (we could replace it with any one type depending on what we’re looking for).

The ({{bbox}}) portion indicates where to look for the objects, {{bbox}} is a predefined area based on the overpass turbo site’s map, otherwise it should be set to a 4-value array indicating the borders of the area to search (read more here)

Let’s break down the next query I’ve found to be very useful, finding local cafe’s! (Google’s results have been getting pretty bad and overlooking a bunch of great options)

[out:csv(
         name,
         "addr:housenumber",
         "addr:street",
         "addr:city",
         website;true;",")];
nwr['amenity'='cafe',i]["name"!="Starbucks"]({{bbox}});

out;

There’s a couple familiar things there: “out”, “({{bbox}})”, and “nwr”

nwr['amenity'='cafe',i]["name"!="Starbucks"]({{bbox}});

… See full entry

Mise à jour du bati Quimperlé —– 12 469 habitants

Ouvrir OSM. Edition »> Préférences »> Coché l’option Mode Avancé (en bas à gauche)