OSM Element Vectorisation Tool Version 1

Published: | Featured

Das IDEAL-VGI Forschungsprojekt nähert sich seinem Ende. Und obwohl dies nicht das Ende unserer Forschung zu sozialen Datenquellen, Datenqualitätsanalysen und Landnutzungsinformationen sein wird, freuen wir uns, ein wichtiges Ergebnis ankündigen zu können: die Veröffentlichung der Version 1 des OSM Element Vectorisation Tool (OEV). Das Tool wurde der Öffentlichkeit zum ersten Mal auf der FOSS4G 2022 Konferenz in Florenz vorgestellt, hat aber seitdem multiple Updates und Erweiterungen erfahren.

Die Veröffentlichung wird begleitet von einem Video-Podcast mit Prof. Dr. Sven Lautenbach und Moritz Schott. In dem Video geben die Forscher eine Einführung in OSM, OSM-Datenqualität und das OEV.

 

 

Das OSM Element Vectorisation Tool (OEV) ermöglicht hochauflösende Dateneinblicke in die OSM-Datenbank. Durch Forschende, Unternehmen und (hauptsächlich) private Nutzende und Mitwirkende ist das OSM-Ökosystem gewachsen und umfasst nun eine große Anzahl von Tools und Diensten, die die Daten und Karten selbst begleiten. Bei vielen dieser Tools und Dienstne handelt es sich jedoch nicht um eine Kombination aus beidem, sondern entweder um allgemeine Tools, um „etwas mit den Daten zu machen“, oder um spezialisierte Tools, um „etwas Bestimmtes herauszufinden“. Zum Beispiel, is-osm-uptodate ist ein fantastisches Tool um exakt die Frage in seinem Namen auf datengesteuerte Weise zu beantworten. Alternativ dazu konzentrieren sich wissenschaftliche Studien oft auf eine bestimmte Region, wie in comparing OSM to official data in Teheran (Iran).

Das Tool versucht, diese Einschränkungen zu überwinden, indem es kombiniert und bereitstellt, was bisher geteilt und übernommen wurde. Konkret schafft das Tool eine facettenreiche Datenansicht, die weder auf eine bestimmte Region noch auf ein bestimmtes Thema beschränkt ist. Ziel ist es, Datenenthusiasten, Datenanalysten und machine Learners in die Lage zu versetzen, eine mehrdimensionale Sicht auf die Daten zu visualisieren, ohne die Einrichtung der erforderlichen Tools, Daten und Dienste.

OEV errechnet mehr als 37 Datendimensionen und basiert auf mehr als 16 wissenschaftlichen Studien, wobei weitere Dimensionen und Studien für die Zukunft geplant sind. Seit der Präsentation des Tools auf der FOSS4G Konferenz 2022 in Florenz, wurden weitere Dateneinblicke hinzugefügt, darunter die Nutzer-Spezialisierung und die Vielfalt. Diese beiden Aspekte geben Aufschluss über die Professionalität der Bearbeitenden von Objekten, indem berechnet wird, wie erfahren die Nutzenden mit der Bearbeitung von Objekten dieser Art sind (z. B. Landnutzung, Gebäude oder Geschäfte). Außerdem wurde das Tool robuster gemacht, ist vielseitiger einsetzbar und ist nun für einenersten offizielle Veröffentlichung bereit.

Die gesamte Liste der Indikatoren und ihrer Dokumentation ist im Tools Repository verfügbar. Aber Sie können auch schnell in die Verwendung auf unserer intuitiven frontend eintauchen, das einige vorberechnete Beispiele bereithält.

Während wir das Tool in unserer aktuellen Forschung verwenden und seine Zweckmäßigkeit im Artikel “OpenStreetMap Element Vectorization- A Tool for High Resolution Data Insights and Its Usability in the Land-Use Land-Cover Domain” veröffentlicht in The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences darstellen, werden wir auch eine Mini-Blogpost-Serie über die nächsten Wochen veröffentlichen. Die Posts werden einige Beispiel-Anwendungsfälle des Tools behandeln. Um auf die Ressource zu zugreifen, nutzen Sie das OEV Beispiele Repository.

Das Tool kann bereits auf privaten Laptops und via der Tool Website genutzt werden, gleichzeitig wird das Team die Entwicklung des OEV weitervorantreiben, um einen vollwertigen OEV-Dienst auf den Weg zu bringen und seine Funktionen in andere bekannte Dienste, bereitgestellt von GIScience und HeiGIT inklusive OQT and OhsomeHex zu integrieren.

Das dazugehörende IDEAL-VGI Projekt war Teil des DFG Priority Programms namens VGIScience, das in den letzten 6 Jahren insgesamt 30 Projekte zu diesem Thema vorstellte. Da viele dieser Projekte in naher Zukunft abgeschlossen werden, können Sie sich hier über ihre Ergebnisse informieren: .

  • Bruckner, J., Schott, M., Zipf, A., Lautenbach, S., 2021. Assessing shop completeness in OpenStreetMap for two federal states in Germany. AGILE: GIScience Series, 2, 20.

  • Herfort, B., Lautenbach, S., de Albuquerque, J. P., Anderson, J., Zipf, A., 2021. The evolution of humanitarian mapping within the OpenStreetMap community. Scientific Reports, 11(1), 1–15.

  • Jokar Arsanjani, J., Mooney, P., Zipf, A., Schauss, A., 2015. Quality assessment of the contributed land use information from openstreetmap versus authoritative datasets. J. Jokar Arsanjani, A. Zipf, P. Mooney, M. Helbich (eds), OpenStreetMap in GIScience: Experiences, Research, and Applications, Springer International Publishing, Cham, 37–58.

  • Neis, P., Zielstra, D., Zipf, A., 2013. Comparison of Volunteered Geographic Information Data Contributions and Community Development for Selected World Regions. Future Internet, 5(2), 282–300.

  • Neis, P., Zipf, A., 2012. Analyzing the Contributor Activity of a Volunteered Geographic Information Project — The Case of OpenStreetMap. ISPRS International Journal of GeoInformation, 1(2), 146–165.

  • Raifer, M., Troilo, R., Kowatsch, F., Auer, M., Loos, L., Marx, S., Przybill, K., Fendrich, S., Mocnik, F.-B., Zipf, A., 2019. OSHDB: a framework for spatio-temporal analysis of OpenStreetMap history data. Open Geospatial Data, Software and Standards, 4(1), 1–12.

  • Schott, M., Grinberger, A. Y., Lautenbach, S., Zipf, A., 2021. The Impact of Community Happenings in OpenStreetMap—Establishing a Framework for Online Community Member Activity Analyses. ISPRS International Journal of GeoInformation, 10(3), 164.

  • Schott, M., Lautenbach, S., Größchen, L., and Zipf, A.: OpenStreetMap Element Vectorisation A Tool For High Resolution Data Insights And Its Usability In The Land Use And Land Cover Domain, Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLVIII-4/W1-2022, 395–402, , 2022.

  • Schott, M., Zell, A., Lautenbach, S., Zipf, A., Demir, B., 2022. LULC multi-tags based on OSM, Version 0.1. https://gitlab.gistools.geog.uni-heidelberg.de/giscience/idealvgi/osm-multitag.

  • Schultz, M., Voss, J., Auer, M., Carter, S., Zipf, A., 2017. Open land cover from OpenStreetMap and remote sensing. International Journal of Applied Earth Observation and Geoinformation, 63, 206-213.

  • Zielstra, D., Zipf, A., 2010. A comparative study of proprietary geodata and volunteered geographic information for Germany. 13th AGILE international conference on geographic information science, 2010, 1–15.

Tags: , ,
Comments are closed.