[OSM-talk-be] import AGIV CRAB-data

Sun Oct 26 09:20:01 UTC 2014

De validator geeft inderdaad netjes melding van de meerdere punten op 
elkaar. Ik vraag me af of we daar nog iets mee moeten. Veel (alle?) van 
de adressen zonder positie uit jouw script vallen nu samen met een ander 
punt. Voor wat ik zo snel even kon bekijken zijn dat toch best veel 
punten. Daar moet dus sowieso handmatig op ingegrepen worden (zoals 
eigenlijk op heel veel punten).

Moeten we nog iets doen met een hulptag over appartementsnummer, 
busnummers of huisnummerlabels? Over dat laatste zegt het AGIV in de 
documentatie: “Opgelet: Komen er op de coördinaat van het CRAB adres 
meerdere huisnummers voor die in dezelfde straat liggen, dan bevat het 
label het laagste en het hoogste huisnummer (bv. label 10-14 voor het 
perceel met de huisnummers 10, 12 en 14 in de Molenstraat).”. Het zou 
ook mogelijk moeten zijn om voor deze punten automatisch een 
samengestelde addr:housenumber-value te maken die een samenstelling is 
van de verschillende punten die samenvallen. Dat valt nog wel te coderen.

Los van de technische vraag is de inhoudelijke vraag dus eigenlijk: wat 
doen we met die samenvallende punten? Schuiven we de punten handmatig 
uit elkaar, of voegen we ze samen met een samengesteld label als 15A-B 
voor de adressen “15A” en “15B”. Dat laatste kan automatisch, maar het 
is dan weer de vraag of dat wenselijk is. Er zullen vast situaties zijn 
waarin je die punten niet wil mergen maar juist individueel houden. Het 
hele idee is ook dat we puur adressen (en eventuele bisnummers) in OSM 
stoppen en geen subadressen (busnummers en appartementnummers). Dus: 
indien de adrespositie voor twee adrespunten gelijk is, moeten deze dan 
automatisch worden samengevoegd tot 1 punt met een samengesteld label, 
of laten we dat ter beoordeling van de mapper?

Ik ga nog even kijken naar wat checks op die straatnamen met een 
gelijkaardige naam en een verschillende id. Het zou interessant zijn als 
die gevallen opgepikt worden. Ik ben het ermee eens dat veel van de 
foutopsporing in het algemeen best aan de JS-kant gebeurt. Daar heb je 
ook je overpass-query beschikbaar. Aan de andere kant vind ik dat een 
aantal basis-integriteits-dingen toch al door het python-gedeelte mogen 
worden opgepikt. De loopduur van het script moet aan de andere kant ook 
weer zo kort mogelijk gehouden worden. Ik denk dat het een beetje 
zichzelf wijst. Een aantal checks (zoals zelfde straatnaamid, 
verschillende straatnaam) hebben geen of een zeer lage kost, terwijl 
deze toch een zekere basiskwaliteit van de dataset opleveren.

De scripts eerst vergelijken en evalueren lijkt me prima. Ik heb een 
eigen github aangemaakt zodat het onderscheid tussen beide scripts nu 
eerst helder is. Ik heb de data van de laatste conversie alvast 
opgeladen samen met de webpagina en het JS. Aan de webpagina heb ik 
helemaal niets gewijzigd. Aan het JS heb ik enkel de extra tag 
toegevoegd, binnen een conditional.

Ik ga nog wat kleine puntjes aanpakken en het python-script wat 
robuuster opbouwen. Misschien dat ik met een parallelle architectuur nog 
wat snelheidswinst kan boeken. Vanaf nu kan er in elk geval weer getest 
gaan worden. Ook alle problemen met de dataset die in de laatste mails 
gemeld werden ga ik nader bekijken.

Bij deze dus het verzoek aan al diegenen die mee willen testen: jullie 
kunnen op http://aptum.github.io/import.html mijn script testen. Het 
verschil met de pagina van Sander is dat mijn pagina gebruik maakt van 
de adressenlijst in plaats van de adresposities. Uiterlijk is er niets 
veranderd, maar het conversiescript is vrijwel compleet nieuw. Daarnaast 
heb ik een extra tag toegevoegd (CRAB:source) die weergeeft waar de 
informatie uit het CRAB vandaan komt. Deze geeft aan hoe het adrespunt 
bepaald is, en zegt daarmee iets over de nauwkeurigheid van de plaats 
van het label. Deze tag mag niet naar OSM opgeladen worden! Graag hoor 
ik het als er nog problemen gesignaleerd worden. Bij deze ook credits 
voor het vele en goede werk van Sander en voor het ter beschikking 
stellen van alle code!

Groeten,
Thomas

Sander Deryckere schreef op 25-10-2014 21:17:
>
>
> Op 25 oktober 2014 20:57 schreef Thomas <osm at aptum.nl 
> <mailto:osm at aptum.nl>>:
>
>
>     Inmiddels ook de codering in gehoorzaamheid gedwongen. Blijkt dat
>     de codering van de shapefile gewoon Latin-1 is en niet die vage
>     CP-720. Dat scheelt ook maar weer.
>
>     De snelheid van mijn script valt me al bij al wel mee. Op dit
>     moment gebruikt hij maar 1 thread. Het inlezen van het bestand in
>     de dictionaries duurt zo'n 50 minuten. Het schrijven naar de
>     JSON-bestanden een kleine 10 minuten (op een SSD'tje). Het
>     schrijven gaat volgens mij wat trager omdat ik de adres-dictionary
>     vervangen heb door een tuple. Dat scheelt toch een kleine 500MB in
>     geheugengebruik. In totaal gebruikt het script maar iets van 2GB
>     ram dacht ik, maar dat moet ik nog even nakijken. Sinds die
>     wijziging heb ik in elk geval geen geheugenproblemen meer gehad.
>
>     Qua tags hoeven we inderdaad enkel de addr:housenumber en
>     addr:street over te nemen. Daarnaast wil ik graag het
>     herkomst-veld als tag invoeren, zodat de punten gestyled kunnen
>     worden op basis daarvan. Naar mijn idee is die herkomst zeer
>     bepalend voor de “nauwkeurigheid” van de punten. Ik heb dat nu
>     geïmplementeerd als een “CRAB:herkomst”-tag. De Engelse variant
>     “CRAB:source” vond ik een beetje misleidend. Aan de andere kant
>     gaat het natuurlijk wel over hoe ze de locatie van het punt
>     bepaald hebben. Dat kun je dus wel als “source” zien.
>
>
> CRAB:source=* lijkt me goed. Als de waarden enigszins duidelijk zijn, 
> dan is alles ok.
>
>
>     Daarnaast misschien nog iets van een tag om waarschuwingen mee te
>     communiceren, bijvoorbeeld over de schrijfwijze van de straatnaam.
>     Aan de andere kant heb ik geen enkel geval kunnen vinden waar twee
>     adressen een zelfde straatnaam-id hebben maar een verschillende
>     straatnaam (bijvoorbeeld een andere spelling). Dat soort fouten
>     lijken me maar beperkt aanwezig en kunnen dus waarschijnlijk
>     allemaal opgevangen worden met de FIXME-tag. Het huidige gebruik
>     (om punten zonder locatie mee aan te geven) is in feite overbodig,
>     omdat alle punten een locatie hebben.
>
> De JOSM validator kan hier ook nuttig zijn. Als de coordinaten 
> volledig overeenkomen, dan zal de validator sowieso klagen denk ik. 
> Dus is een fixme tag misschien niet volledig noodzakelijk
>
> De straatnaam id is in de posities database de enige manier om de 
> straatnaam te vinden. Dus als er enige overeenkomst tussen de 
> databases is, dan is het normaal dat je geen straatnaam-id vindt met 
> twee verschillende namen. De andere kant kan wel voor komen: dezelfde 
> straatnaam (of bijna dezelfde) met een verschillende straat id.
>
>     Ik ben nu nog wat aan het kijken welke fouten ik met het
>     python-script moet opsporen en welke best in de javascript naar
>     boven gehaald kunnen worden in combinatie met de overpass-query.
>     Het belangrijkste zijn de punten die samenvallen. Dat is een
>     situatie die niet ingevoerd mag worden in OSM, dus ook hier lijkt
>     een FIXME-tag mij het meest geschikt. Dat ga ik in elk geval nog
>     even netjes documenteren.
>
> Ik zou het foutopsporen vooral voor de JS kant houden. Dan kunnen we 
> dat gemakkelijker aanpassen (zonder een script van een uur te draaien 
> om dan een klein tikfoutje te ontdekken).
>
>     Nog een praktisch punt: hoe willen we deze tweede variant
>     beschikbaar stellen? Moet dat naast de huidige komen te staan
>     zodat we kunnen vergelijken, of moeten we juist vermijden dat er
>     twee varianten in gebruik zijn en dat er verwarring ontstaat? Voor
>     de gewone gebruiker is er eigenlijk geen verschil tussen beide
>     systemen, dus dat is potentieel verwarrend. Anderzijds is het in
>     de huidige beperkte opzet niet zo'n punt en misschien juist
>     handig. Wat zijn jullie ideeën hierover?
>
> Ik zou het nog even naast elkaar houden, kwestie van vergelijking. Na 
> het evalueren van de tools kunnen die dan onder een beter adres 
> beschikbaar gesteld worden.
>
> Host je het onder je eigen server (desnoods je eigen github account) 
> of wil je toegang tot de repo die ik nu heb?
>
> Groeten,
> Sander
>
>
>
>
> _______________________________________________
> Talk-be mailing list
> Talk-be at openstreetmap.org
> https://lists.openstreetmap.org/listinfo/talk-be

-------------- next part --------------
An HTML attachment was scrubbed...
URL: <http://lists.openstreetmap.org/pipermail/talk-be/attachments/20141026/f11e5d8c/attachment.htm>