Suite

Impression de tuiles OpenStreetMap au format PDF

Impression de tuiles OpenStreetMap au format PDF


Ce que je voudrais réaliser, c'est une impression A4 d'une carte OSM avec un contour de polygone imprimé sur le dessus.

Cela viendrait d'une application web. Là où un utilisateur peut centrer la carte, téléchargez un polygone. Ce que je peux déjà faire en utilisant Leaflet.js et Mapbox.

Je ne sais pas par où commencer, mais je dois prendre les tuiles de la "vue" actuelle, ce qui serait assez facile, mais je dois ensuite les mettre à l'échelle, dessiner le polygone sur le dessus, puis imprimer sur un PDF qui obtient renvoyé par e-mail.

Quelqu'un a-t-il des suggestions sur la façon d'y parvenir de manière automatisée?


Une approche consiste à le faire sur le client en copiant les couches WMS générées à partir des couches ouvertes vers un canevas HTML5.

Je ne l'ai pas encore fait, mais l'image résultante peut être enregistrée, imprimée, etc. à l'aide des commandes de navigateur standard.

Je sais que vous mentionnez Leaflet, mais cela peut valoir le coup d'œil…

Un bon article à ce sujet peut être vu ici!


Kosmos/v1.x

Kosmos est une nouvelle plate-forme de rendu de carte OSM légère développée par Igor Brejc (utilisateur : Breki). Il a été principalement conçu pour être utilisé par les utilisateurs OSM sur leurs propres ordinateurs pour :

  • Rendre les cartes OSM de manière interactive
  • Imprimer des cartes OSM
  • Configurer un serveur de carte de tuiles local
  • Utilisez leurs propres règles de rendu de carte ou partagez des règles stockées dans les pages Wiki OSM.

Ce sont les principales différences entre Kosmos et Mapnik et Osmarender. Kosmos a été conçu pour être aussi simple à configurer que possible, sans perdre beaucoup de capacités de rendu.

Il y a quelques exemples d'images de sortie dans Category:Kosmos et les gens partagent leurs règles de rendu dans Category:Kosmos rules

Ce que le cosmos n'est PAS

Il ne remplace pas Mapnik ou Osmarender. Kosmos n'utilise actuellement pas de base de données pour stocker les données OSM. Au lieu de cela, il ouvre les fichiers OSM et les charge directement en mémoire. Cela signifie qu'il y a une limite à la taille d'une zone de carte avec laquelle Kosmos peut travailler.

Les règles de rendu de Kosmos sont beaucoup plus simples que celles de Mapnik et Osmarender. D'une part, cela permet une création et une maintenance faciles, mais d'autre part, ce n'est pas aussi flexible que les transformations XSLT en SVG utilisées par Osmarender, par exemple.

Kosmos utilise la bibliothèque Microsoft.NET GDI+ pour dessiner des cartes, qui ne fournit directement qu'un sous-ensemble de capacités graphiques par rapport à celles de SVG. Cela signifie que certaines fonctionnalités graphiques ne sont actuellement pas disponibles pour être utilisées dans le rendu de carte Kosmos. Espérons que cela s'améliorera avec le temps.


Одержание

La façon la plus simple d'utiliser OpenStreetMap hors ligne est d'exporter une image ou un PDF d'une zone et éventuellement de l'imprimer. Outre les options d'exportation rudimentaires intégrées à openstreetmap.org, des tiers ont développé des styles de carte faciles à imprimer, ainsi que des   outils de PAO pour la conception de cartes de poche, d'atlas et de cartes grand format. Les services de cartes imprimées populaires incluent MapOSMatic et cycle.travel. Field Papers produit des cartes adaptées à l'arpentage sur le terrain.

Rendu des données vous-même

Si vous avez des besoins spécifiques non satisfaits par les outils existants, vous pouvez également télécharger un extrait de la base de données, puis le rendre vous-même à l'aide d'un outil tel que Mapnik, qui alimente les cartes sur openstreetmap.org. Osmarender est un moteur de rendu alternatif.


Exportation & impression de cartes topographiques à partir de sources numériques

Aujourd'hui, nous avons la chance d'avoir d'excellentes plateformes de cartographie en ligne comme CalTopo, Hillmap, GaiaGPS et AllTrails. Mais jusqu'à ce que ces plates-formes soient disponibles dans les profondeurs de l'arrière-pays sur des appareils qui ne cassent pas ou n'ont pas besoin d'être rechargés, dans le cadre de ma routine de planification de voyage, j'exporte puis j'imprime mes cartes numériques dans un jeu de papier adapté au terrain.

Exportation

Taille de papier. Je préfère le papier tabloïd (11 x 17 pouces) aux formats plus petits comme Letter (8,5 x 11). Les feuilles de tabloïd représentent une zone importante (environ 4,5 miles de haut et 3,2 miles de large lorsqu'elles sont imprimées à l'échelle 1:24 000 avec des marges d'un quart de pouce) tout en étant adaptées au terrain (pas trop grandes) et un format de papier standard (ne nécessitant pas un très haut -fin de l'imprimante). Lorsque j'utilise des formats de papier plus petits comme 8,5 x 11, j'ai du mal à comprendre la topographie globale et je suis ennuyé par la fréquence à laquelle mon itinéraire traverse des pages.

Échelle. J'utilise l'échelle native de la carte d'origine, par ex. les cartes USGS de 7,5 minutes sont conçues pour être imprimées au 1:24 000. Si je compresse l'image pour faire tenir plus d'informations topographiques sur une seule page, les intervalles de contour et l'écriture deviennent illisibles — dans le cas particulier des cartes USGS, au-delà d'environ 1:30 000. Deux remarques :

  • L'effet sera le même si j'essaie d'imprimer des images 11 x 17 sur du papier plus petit.
  • D'autres cartes sont optimisées pour différentes échelles. Par exemple, j'ai des cartes illustrées National Geographic Trails — qui sont disponibles sous forme de couche sur AllTrails — aux échelles de 1:60 000, 1:80 000 et 1:100 000.

Relief ombré. Désactivez-le. Bien que l'ombrage fasse mieux ressortir les caractéristiques topographiques lorsque l'on regarde la carte depuis sa bordure sud (par exemple, sur un mur, un écran d'ordinateur ou le sol d'un salon), il rend la carte difficile à lire sur le terrain lorsqu'elle est vue depuis n'importe quel autre direction. Par exemple, si je marche vers le sud, je veux souvent regarder la carte du nord au sud, afin qu'elle soit orientée avec le paysage. Mais sous cet angle, l'ombrage de la carte est inversé, de sorte que les canyons ressemblent à des crêtes et vice versa.

Format. Idéalement, la plate-forme en ligne exporte un seul PDF de plusieurs pages prêt à imprimer. S'il ne génère que des fichiers de carte uniques, attendez-vous à ce que le processus d'impression prenne plus de temps pour vous. Cela peut particulièrement être un casse-tête avec de grands jeux de cartes pour des voyages de plusieurs mois.

Impression

Probablement comme vous, je n'ai pas accès à une imprimante couleur haut de gamme pour un usage personnel. La meilleure méthode que j'ai trouvée pour imprimer des cartes topographiques est FedEx Office Print Online. Je télécharge les fichiers, spécifie les spécifications d'impression, paye en ligne et récupère la commande quelques heures plus tard dans ma succursale locale au coin de Baseline Road et Broadway.

  • Pleine couleur
  • Papier de 24 lb ou 30 lb pour des impressions plus brillantes et plus durables, bien que plus lourdes et plus chères
  • Assemblé, si plusieurs copies, afin que je puisse facilement donner à chaque membre de mon groupe son propre jeu de cartes et, soit
  • Une face en solo, pour que je puisse voir deux cartes adjacentes simultanément, ou
  • Recto-verso si un ou plusieurs membres du groupe auront également un ensemble, car nous pouvons nous associer et afficher des cartes adjacentes.

Pour les impressions couleur 11 x 17 recto, le coût actuel dans mon bureau FedEx local est de 1,77 $ par impression avant taxes. Avec mon compte d'entreprise (Ha, « entreprise » !), le prix tombe à 1,18 $. Si vous vous attendez à une grosse facture d'impression, cela vaut la peine de vous renseigner sur ce programme.


Cartes en ligne

GPXSee prend en charge la plupart des cartes en ligne basées sur des serveurs de tuiles, mais la liste des définitions de cartes distribuées avec les packages officiels est limitée à un petit ensemble de services cartographiques mondiaux bien connus. Vous pouvez cependant facilement étendre (ou modifier) ​​la liste de cartes par défaut avec vos propres définitions de cartes.

Il existe un référentiel de cartes GPXSee géré par la communauté sur GitHub où vous pouvez trouver de nombreuses définitions de cartes supplémentaires pour divers services de cartes, généralement gérés par une institution géographique d'État ou une organisation à but non lucratif.


PDF [ ] ePub

Vous êtes-vous déjà senti fatigué de transporter un livre lourd où que vous alliez ? Si oui, nous vous suggérons de lire ce livre PDF [ < Systèmes d'information géographique : Système d'information géographique, Modèle d'élévation numérique, Mexique Indigena, Openstreetmap, SIG distribué par source Wikipedia ( Auteur ) Juillet - 07- 2011 ( Broché ) >] ePub. Ce livre [ < Systèmes d'Information Géographique : Système d'Information Géographique, Modèle d'Élévation Numérique, Mexique Indigena, Openstreetmap, SIG Distribué Par Source Wikipédia ( Auteur ) Juillet - 07- 2011 ( Broché ) >] est disponible sous forme d'Ebook, où le problème votre visage sera résolu. Avec votre livre électronique, il vous suffit d'utiliser votre gadget de jeu pour lire ce livre [ < Systèmes d'information géographique : Système d'information géographique, Modèle numérique d'élévation, Mexique Indigena, Openstreetmap, SIG distribué par source Wikipedia ( Auteur ) Juillet - 07- 2011 ( Broché ) >] PDF Kindle. Vous pouvez également le lire en ligne et le stocker sur votre gadget. De nombreuses options de fichiers dans Ebook comme PDF, Kindle, Mobi, ePub et autres. Profitez de la commodité de lecture en utilisant Ebook. Et obtenez votre livre digadget bientôt.


Fournisseur de données OpenStreetMap

Ce fournisseur de données charge des tuiles d'images à partir du service OpenStreetMap.

Consultez les pages de politique de droit d'auteur et de licence et d'utilisation des vignettes avant d'utiliser des images de carte dans le OpenStreetMap format.

Vous devez fournir le Agent utilisateur paramètre avec une valeur valide pour identifier votre application.

Utilisez la classe OpenStreetMapDataProvider pour travailler avec OpenStreetMap :

Utilisez les membres d'API suivants pour connecter le contrôle de carte au service OpenStreetMap :

Membre La description
ImageCouche Affiche les images cartographiques obtenues auprès des fournisseurs de données d'images cartographiques.
ImageLayer.DataProvider Obtient ou définit le fournisseur utilisé pour obtenir des images à partir d'une source externe.
OpenStreetMapDataProvider La classe qui charge des images de carte à partir d'une ressource Web qui fournit des données dans le OpenStreetMap format.
MapImageDataProviderBase.WebRequest Se produit lorsqu'un contrôle Map envoie une requête à un service Web externe.
OpenStreetMapDataProvider.TileUriTemplate Obtient ou définit un modèle qui est utilisé pour obtenir des tuiles d'image à partir du OpenStreetMap fournisseur.
MapWebRequestEventArgs.UserAgent Obtient ou définit la valeur de l'en-tête HTTP de l'agent utilisateur.

Le contrôle de carte prend également en charge les fournisseurs de données OpenStreetMap suivants :


Emballé avec de nouvelles fonctionnalités et des formats de fichiers téléchargeables

Les cartes affichées via topoView proviennent de la série US Topo de l'USGS et de la collection de cartes topographiques historiques (HTMC). Le terme « US Topo » fait spécifiquement référence aux cartes topographiques quadrangulaires publiées en 2009 et après. Ces cartes sont modélisées sur les cartes quadrangulaires familières de 7,5 minutes de la période 1947-1992, mais sont produites en masse à partir des bases de données SIG nationales sur un cycle répétitif. Les cartes US Topo reconditionnent les données du système d'information géographique (SIG) sous forme de carte traditionnelle. Cela profite aux utilisateurs de cartes non spécialistes, ainsi qu'aux applications qui ont besoin de cartes traditionnelles.

L'objectif du HTMC, qui a débuté en 2011, est de fournir un référentiel numérique de cartes USGS à l'échelle 1:250 000 et plus grandes (plus détaillées) imprimées entre 1884 (le début du programme de cartographie topographique) et 2006. Actuellement, il existe plus de 178 000 cartes dans le HTMC et la collection continue de s'enrichir. NGP catalogue et crée avec précision des métadonnées pour accompagner les fichiers numériques géoréférencés haute résolution de chacune de ces cartes imprimées.

À l'heure actuelle, la série US Topo et les cartes HTMC sont proposées sous forme de GeoPDF via The National Map et l'USGS Store. Cependant, des formats supplémentaires sont désormais proposés pour évaluation et utilisation via topoView. Ceux-ci inclus:

GéoTIFF – Les fichiers GeoTIFF sont un format d'image compressé TIFF 300 dpi, avec des informations de géoréférencement intégrées afin que la carte puisse être utilisée directement dans un système d'information géographique (SIG). Les GeoTIFF sont générés à l'échelle réelle, permettant aux utilisateurs de tracer la carte à l'échelle de la carte prévue dans les cas où une copie papier est nécessaire.

JPEG – Les JPEG haute résolution, ou format « Parcourir JPEG » sont utiles pour obtenir une vue rapide de la carte afin de trouver des noms de lieux ou simplement explorer la zone de la carte sans avoir besoin de télécharger un gros fichier.

KMZ – Le format KMZ est une forme compressée du format KML qui est utilisé pour afficher les cartes dans Google Earth.


Rapprocher les données géospatiales des utilisateurs mobiles : une approche de mise en cache basée sur des tuiles vectorielles pour les scénarios multi-sauts sans fil

Les applications mobiles basées sur des données géospatiales sont aujourd'hui largement utilisées pour soutenir les activités quotidiennes des personnes. Malgré le chevauchement potentiel entre les demandes de données géospatiales des utilisateurs à proximité, il n'a pas été possible de partager directement des données géospatiales avec des appareils sans fil homologues. Pour résoudre ce problème, nous avons conçu un schéma basé sur des tuiles vectorielles pour organiser les données spatiales et proposé un système nommé GeoTile pour la mise en cache et le partage des données géospatiales. Dans GeoTile, une demande de tuile du client mobile repose sur une communication multi-sauts sur des nœuds intermédiaires pour atteindre le serveur. Étant donné que GeoTile permet à tous les nœuds du réseau de mettre en cache et de traiter des tuiles de données géospatiales, les demandes peuvent être traitées avant qu'elles n'atteignent réellement le serveur. Nous mettons en œuvre le système prototype GeoTile et menons des expériences complètes dans le monde réel pour évaluer les performances. Le résultat montre que le système GeoTile peut servir des tuiles vectorielles pour les utilisateurs de manière pratique et conviviale. De plus, le mécanisme de mise en cache basé sur des tuiles vectorielles peut réduire considérablement le temps de réponse et le débit du réseau dans les scénarios multi-sauts sans fil.

1. Introduction

Avec la pénétration omniprésente des appareils mobiles, en particulier des smartphones, les applications mobiles basées sur des données géospatiales sont aujourd'hui considérées comme l'une des nécessités de la vie quotidienne des gens. Environ la moitié des utilisateurs mobiles dans le monde ont des applications cartographiques installées sur leurs propres appareils [1]. Les gens consomment des données géospatiales pour les services locaux (par exemple, la recommandation de points d'intérêt et la navigation) et génèrent également des données locales à partager entre différentes applications (par exemple, [2]) via le crowdsourcing [3, 4].

Malgré les avantages apportés par l'application liée à la carte, l'accès aux données géospatiales entraîne une consommation de données non négligeable et peut parfois même être ennuyeux. Par exemple, les points d'accès publics gratuits peuvent être trop rares pour fournir des mises à jour des données en temps réel, en particulier dans les pays en développement. D'un autre côté, l'utilisation des données mobiles sur le réseau cellulaire peut être coûteuse, entraînant une facture de téléphone portable élevée et, par conséquent, des problèmes de coût pour l'utilisateur [5]. Les packages de données hors ligne, c'est-à-dire les données cartographiques téléchargées au préalable, sont considérés comme une solution naïve à ce problème. Néanmoins, alors que les paquets de données hors ligne sont généralement volumineux (jusqu'à des dizaines de mégaoctets, par exemple [6, 7]), ils sont maintenant traités comme atomiques et exclusifs : (i) les données cartographiques hors ligne ne peuvent être utilisées que lorsque l'ensemble du paquet de données est téléchargé et ne prend pas en charge les mises à jour partielles et (ii) ces paquets de données sont formatés selon l'application, et les utilisateurs peuvent avoir des difficultés à partager entre pairs [8, 9].

Plus récemment, les chercheurs tentent de relever le défi de l'accès aux données géospatiales en exploitant la communication sans fil et le stockage distribué entre plusieurs appareils mobiles. De nos jours, l'espace de stockage des appareils mobiles est généralement suffisant pour transporter une quantité considérable de données, ce qui fait de chaque appareil mobile un fournisseur de contenu potentiel. Compte tenu de la prévalence de l'appareil mobile et du fait que des données géospatiales similaires sont fréquemment demandées dans des régions chaudes, telles que des centres urbains ou des centres de transport [10], les données géospatiales demandées par un utilisateur peuvent très probablement être disponibles dans les appareils d'autres utilisateurs à proximité. . Cette idée est connue sous le nom de « Device-to-Device (D2D)" [11], et si elle est mise en œuvre correctement, elle peut aboutir à une solution instantanée et rentable pour les besoins des utilisateurs en matière de données géospatiales.

Dans cet article, avec l'idée de D2D pour le partage de données géospatiales dans des scénarios multi-sauts sans fil, nous présentons GeoTile, un nouveau système qui permet la mise en cache et l'accès aux données géospatiales de manière distribuée et collaborative. GeoTile adopte le format GeoJSON avec une compression facultative pour partitionner les données géospatiales à grande échelle en petites unités, c'est-à-dire des tuiles vectorielles, pour un partage efficace des données. De plus, GeoTile explore également la possibilité d'utiliser le cache des pairs et la technique de fusion pour réutiliser les données mises en cache localement afin de réduire à la fois le temps de réponse et l'utilisation des données du réseau.

Plus précisément, l'article apporte trois contributions principales : (i) Sur la base des formats de données géospatiales de pointe, nous proposons une nouvelle norme d'échange géospatial, qui construit des tuiles vectorielles avec une compression facultative pour indexer, échanger et organiser efficacement les données géospatiales avec diverses granularités et niveaux de détails (LoD). (ii) Nous mettons en œuvre le système GeoTile pour la mise en cache et le partage des données géospatiales. GeoTile contient non seulement le système de tuiles vectorielles dans le serveur du fournisseur de données, mais permet également aux nœuds intermédiaires du réseau de mettre en cache les tuiles vectorielles et de répondre à la demande de données géospatiales qui chevauche le cache local. (iii) Nous évaluons le système GeoTile dans des conditions réelles et montrons que le système GeoTile fournit un service de tuiles vectorielles efficace d'une manière pratique et conviviale. Dans le même temps, le résultat de l'évaluation démontre également que le mécanisme de mise en cache basé sur des tuiles vectorielles peut réduire considérablement le temps de réponse, le trafic réseau sans fil et la dépendance vis-à-vis des sources de données racine dans les scénarios distribués.

Le reste de ses papiers est organisé comme ceci. Tout d'abord, nous revisitons les travaux connexes dans la section 2. Ensuite, dans la section 3, nous décrivons l'idée principale du système de tuiles vectorielles. Après cela, la section 4 développe la conception du système GeoTile en introduisant respectivement le composant de service de tuiles et le composant de prototype mobile. Les évaluations des performances et l'analyse de GeoTile dans des environnements réalistes sont présentées dans la section 5. Enfin, nous concluons le document avec une brève discussion des travaux futurs dans la section 6.

2. Travaux connexes

Dans cette section, nous faisons une brève revue de la littérature sur de multiples aspects concernant notre travail dans cet article.

2.1. Service de cartographie à base de tuiles et d'informations géospatiales

Le carrelage cartographique s'est avéré être le moyen le plus efficace de fournir des données spatiales au cours de la dernière décennie [12]. En créant de minuscules fragments de carte à de nombreuses échelles prédéfinies, la mosaïque de cartes permet aux utilisateurs de récupérer simplement les données nécessaires à la vue actuelle afin de réduire le volume de transfert de données et le temps de réponse. Pendant ce temps, la mise en cache des tuiles côté serveur réduit les besoins en ressources de calcul et augmente le taux de requêtes simultanées qu'un serveur peut gérer.

Dernièrement, le système d'information géographique mobile (SIG) [13] étend la capacité des utilisateurs à accéder aux informations géospatiales sur les appareils mobiles. Cependant, le SIG mobile suit l'architecture client/serveur comme dans le SIG Internet traditionnel [14] : une connexion active au serveur SIG est nécessaire pour qu'un utilisateur récupère les données spatiales souhaitées. Dans notre travail, en utilisant des données géospatiales mises en cache au niveau des nœuds intermédiaires, les utilisateurs peuvent obtenir les données requises à partir d'emplacements aussi proches que possible au lieu d'accéder directement au serveur.

2.2. L'émergence des tuiles vectorielles

Les tuiles raster ont dominé les premières années de la mosaïque de cartes (en particulier pour les clients mobiles), principalement en raison de sa simplicité et des capacités de calcul limitées sur le client mobile [15]. Cependant, comme la demande des utilisateurs mobiles pour un service de cartographie plus interactif et informatif se développe [16], les tuiles vectorielles sont apparues récemment : les tuiles vectorielles fournissent un contenu lisible, descriptif et extensible, ce qui facilite la fourniture de suppléments de données, la manipulation et personnalisation. Par exemple, en utilisant des tuiles vectorielles, les utilisateurs peuvent redimensionner la carte en douceur sans problème de pixellisation [17]. Les fonctionnalités expressives, telles que la surbrillance, l'étiquetage, le style et l'animation, sont également bien prises en charge par les bibliothèques populaires et les navigateurs grand public.

Pour concrétiser l'idée de la tuile vectorielle, un schéma de la tuile vectorielle est proposé dans [18]. Ces objets traversant plusieurs tuiles sont découpés à la limite à laquelle ils appartiennent. Bien que cela ait peu d'impact sur la visualisation, l'intégrité des données d'origine est endommagée et des points supplémentaires sont introduits. Les utilisateurs mobiles auront du mal à collecter des informations complètes sur les objets et à les restaurer. Une autre pénurie de fractionnement des carreaux selon des zones fixes est que la taille des carreaux varie considérablement. Afin d'améliorer l'efficacité de la transmission, dans [19] les tuiles sont générées en fonction de la densité des données, de sorte que les tuiles sont de formes irrégulières. Mais cette méthode est hostile au partage car il est difficile de définir des règles globales garantissant que chaque tuile peut être identifiée et réutilisée par tout le monde.

2.3. Structure d'indexation Quadtree

La structure d'indexation pyramidale en quatre arbres est devenue la norme de facto de la carte en ligne et a été adoptée par la plupart des principaux fournisseurs de services de cartographie Web. Le modèle le plus représentatif est le XYZ Map Tiling System (alias Slippy Map) [20]. En fait, une telle structure, en raison de ses caractéristiques de hiérarchie descendante et multi-échelle [21], a de larges applications dans une variété de domaines de la science et de la technologie (par exemple, le traitement d'images [22], l'indexation [23], intelligence artificielle [24], prédiction de mouvement [25], protection de la vie privée [26], et pour n'en nommer que quelques-uns). Dans Slippy Map, plusieurs niveaux de zoom sont définis pour représenter différentes échelles. Les tuiles suivent une stratégie de subdivision récursive. La région d'une tuile au niveau de zoom N est également divisé en quatre parties, à savoir quatre tuiles au niveau du zoom

. Chaque tuile est indexée par un groupe unique de valeurs

. Avec le schéma de nommage, chaque nœud peut identifier les tuiles demandées sans ambiguïté. Les utilisateurs ou les nœuds intermédiaires peuvent clairement savoir s'ils ont le contenu de certains emplacements. C'est la base du partage de tuiles entre homologues mobiles. Dans notre travail, nous suivons cette structure d'indexation et ce schéma de nommage pour identifier et organiser les tuiles vectorielles.

2.4. L'encodage des données vectorielles

Divers formats peuvent être le conteneur de données vectorielles [27, 28]. ESRI Shapefile et OSM XML sont principalement utilisés pour la publication de données en ligne. Shapefile [29] stocke les données en trois parties distinctes (géométrie des caractéristiques, index de position des caractéristiques et attributs des caractéristiques) et des outils professionnels sont nécessaires pour les traiter. OSM XML [30] stocke des informations de relation complexes en plus des données géométriques et des métadonnées. L'utilisateur doit parcourir le fichier le long des relations pour obtenir des données complètes sur la géométrie de l'objet. GML (Geography Markup Language) [31] et KML (Keyhole Markup Language) [32] sont deux formats basés sur XML. KML a un schéma plus concis, tandis que GML fournit des fonctionnalités avancées pour décrire des cartes complexes. Cependant, étant soumis à la nature lourde de la syntaxe XML, KML et GML sont généralement de plus grande taille [33].

En comparaison, les formats légers sont plus appropriés pour l'échange de données entre les appareils mobiles. GeoJSON [34] est un format standard ouvert largement utilisé pour les tuiles vectorielles. Il est dédié à l'encodage de données géographiques ainsi que de divers attributs non spatiaux. Toutes les structures et colonnes sont lisibles par l'homme et simples pour les utilisateurs. Nous notons ici que l'importance de la lisibilité est qu'elle permet aux utilisateurs de trouver des informations ou d'apporter des modifications facilement sans aucun logiciel spécialisé. Un autre format basé sur JSON, TopoJSON [35], peut atteindre une taille plus petite et réduire la redondance des données en stockant la limite partagée une seule fois. En tant que dépense, elle porte atteinte à l'indépendance et à l'intégralité des objets originaux. Par conséquent, il n'est pas approprié pour une édition et un partage ultérieurs des données. De plus, les coordonnées ont été transformées en nombres entiers afin qu'elles ne puissent pas être modifiées ou résolues avant le décodage. Les tampons de protocole [36], développés par Google, sont une méthode de sérialisation binaire. Bien qu'il puisse avoir de meilleures performances et une taille beaucoup plus petite [37], ce ne sont pas des outils lisibles et spécialisés, ou les bibliothèques pour les résoudre ne sont pas répandues parmi les utilisateurs mobiles. De plus, le schéma (fichier proto) qui contient une description de la structure des données et des types de données doit être informé au préalable par les utilisateurs pour analyser les données reçues.

2.5. Techniques de compression appliquées dans les SIG

La compression est généralement considérée comme un moyen efficace de préserver et de distribuer les données géospatiales dans les systèmes SIG, car elle réduit la quantité de données sur la transmission et le stockage. Les méthodes générales peuvent également être appliquées directement aux unités de géodonnées, telles que ZIP utilisé dans KMZ [38], LZMA et DEFLATE utilisés dans [39, 40], gzip utilisé dans [41] et LZW utilisé dans [42]. La description des méthodes de compression classiques ci-dessus peut être trouvée dans [43]. En dehors de celles-ci, des méthodes dédiées sont proposées pour effectuer des optimisations pour certains formats. Par exemple, les méthodes sont résumées dans [44] pour GML. Dans notre travail, la compression est également importante car la bande passante et les ressources de stockage sont très précieuses dans un scénario sans fil. D'une manière générale, chaque méthode de compression a ses caractéristiques. Nous devons prendre en compte des facteurs tels que le type de données, la plate-forme, la vitesse de traitement et le scénario d'application pour prendre la décision la plus appropriée. Nous appliquons une nouvelle méthode de compression prometteuse, Brotli [45], à notre système GeoTile pour voir si l'effet attendu peut être atteint. Le raisonnement de la sélection de Brotli est expliqué dans la section 3.3.

2.6. Simplification et quantification des objets géospatiaux vectoriels

Une autre façon de résoudre le problème de surdimensionnement des unités de géodonnées est la simplification et la quantification. Les deux peuvent être classés en compression avec perte. Le premier réduit le sommet visuellement insignifiant des objets, tandis que le dernier arrondit et raccourcit les coordonnées. La simplification (alias la généralisation) [46, 47] est souvent utilisée dans la transmission progressive [48, 49]. En divisant l'objet vectoriel d'origine en représentations multirésolutions, un sous-ensemble des données revient à l'utilisateur sur demande dans un premier temps, puis il sera ensuite affiné de manière incrémentielle. L'objectif principal de la transmission progressive est d'éviter de transmettre trop de données détaillées en une seule fois pour gérer une réponse en temps quasi réel côté client, c'est-à-dire pas plus de 1 ou 2 secondes [50].

Cependant, à notre connaissance, la plupart des méthodes de transmission progressives nécessitent des connexions Internet stables comme condition préalable pour effectuer des transferts de données fréquents et opportuns. Mais dans des circonstances mobiles, plusieurs séries de transmission de données peuvent ne pas se terminer en raison de liaisons intermittentes. Lorsqu'il est impossible d'établir à nouveau la connexion, le client doit recourir à d'autres nœuds pour les parties manquantes de l'objet, ce qui entraînera un délai plus long. Du point de vue de l'exactitude, comme les techniques de simplification ne sont pas matures et font encore l'objet de recherches, des caractéristiques avec des distorsions ou des erreurs topologiques peuvent apparaître [51, 52]. De plus, à mesure que les informations sur les objets sont divisées, de nombreuses données différentielles doivent être conservées, ce qui entraîne une complexité accrue pour l'identification, l'échange et la mise en cache des données pour les appareils mobiles. Afin de mieux s'adapter à l'environnement mobile, nous utiliserons des unités relativement complètes et indépendantes pour atteindre l'objectif de faciliter le partage de données partielles entre les utilisateurs et de fournir les données demandées aux demandeurs de manière coopérative dans un délai modéré.

La méthode de quantification réduit la taille des données en réduisant les chiffres et la précision des coordonnées réelles [53]. Par rapport à la simplification, il peut maintenir la relation topologique des objets. Si les données ne sont pas excessivement quantifiées, la différence sur la visualisation est discrète. Néanmoins, nous voulons souligner que la visualisation n'est pas la seule utilisation des unités de données géospatiales. Poussé par l'enthousiasme du crowdsourcing et le développement rapide des technologies associées, la quantité d'informations géographiques (VGI) volontaires augmente considérablement [54, 55]. En conséquence, des recherches ont montré que les géodonnées d'OSM dans certaines parties du monde sont géographiquement et sémantiquement plus précises, complètes et opportunes que les ensembles de données commerciales propriétaires ou les informations fournies par les agences gouvernementales [56, 57]. Avec de telles données, les utilisateurs peuvent effectuer l'édition et la mise à jour, la mesure de distance, la recherche de chemin [58], la recherche de POI environnants [59], etc. Notre travail futur est aussi dans cette orientation. Sans aucun doute, la perte de précision des données sapera la valeur des données que les utilisateurs ont collectées et contribuées pour un partage futur et une utilisation potentielle.

2.7. Mise en cache pour la diffusion des données

La mise en cache a été considérée comme une solution très efficace pour la diffusion de données dans les réseaux sans fil mobiles. Avec des répliques résidant plus près du client demandeur, nous pouvons réduire le trafic de communication sur le canal sans fil limité et donc raccourcir les latences globales. La mise en cache est particulièrement cruciale pour améliorer l'accessibilité des données dans les réseaux mobiles multi-sauts [60, 61], car les liens intermittents empêchent souvent les utilisateurs de contacter les sources de données racine. Récemment, alors que les communications D2D gagnent l'attention de la recherche, la mise en cache sur les terminaux commence également à montrer son importance [62]. Pour cette raison, les chercheurs s'efforcent de répondre à des questions sur la mise en cache, telles que l'endroit où mettre en cache (placement) [63, 64], ce qu'il faut mettre en cache (type de contenu, popularité et sensibilisation à la mobilité) [65] et comment mettre en cache (remplacement politiques) [66, 67]. Dans ce travail, nous adoptons l'idée de la mise en cache pour le partage de tuiles vectorielles, et nous introduisons ainsi la définition de couches de tuiles vectorielles et le schéma de nommage pour la mise en cache et l'échange de données.

3. Système de tuiles vectorielles

La base de la mise en cache et de l'échange de données est le format des données. Dans cette section, nous élaborons sur la définition de nos tuiles vectorielles, c'est-à-dire l'unité de base pour la mise en cache et l'échange de données dans le système GeoTile. Plus précisément, nous couvrons la partition, le nommage et le format des tuiles vectorielles, ainsi que l'approche de compression facultative et la fusion côté client pour réduire le volume de communication de données, et enfin, la prise en charge de la tuile vectorielle aux extensions personnalisées.

3.1. Génération de tuiles de données géospatiales

Les tuiles sont les unités fondamentales pour la mise en cache et l'échange de données dans le système GeoTile. Lorsque vous divisez des données géospatiales volumineuses en tuiles plus petites, chacune d'entre elles peut être envoyée séparément pour accélérer efficacement la livraison de la carte. Nous utilisons le schéma de nommage du système Slippy Map, la façon la plus populaire d'organiser les tuiles de carte. De cette façon, nous pouvons utiliser les données fournies par d'autres ressources en ligne pour les couches que notre serveur ne peut pas fournir ou pour compléter nos données pour ajouter une personnalisation supplémentaire.

Dans notre système de tuiles vectorielles, chaque tuile est associée à une coordonnée sous la forme de , où , , et représente respectivement l'index de longitude, l'index de latitude et le niveau de zoom de la tuile. Nous utilisons les étapes suivantes pour construire la représentation vectorielle de la tuile.

3.1.1. Limite géographique d'une tuile

Nous créons des tuiles vectorielles selon les règles définies dans XYZ Quadtree Indexing System [68] pour déterminer l'emplacement et la portée de la tuile. Plus précisément, étant donné la coordonnée d'une tuile t, nous pouvons obtenir la ligne de longitude ouest et la ligne de latitude nord de t en utilisant (1) et (2). De même, la ligne de longitude est et la ligne de latitude sud de t peut également être déterminé en réutilisant (1) et (2) sur la tuile

, qui est adjacent en diagonale à t en bas à droite direction. C'est parce que la ligne de longitude est et la ligne de latitude sud de t chevauchement avec les lignes de longitude ouest et de latitude sud de t′ :


Paquets Openstreetmap du SIG Debian

libosmgpsmap - библиотека для встраивания карт в приложения, которая, после ввода GPS-координат, выводит маршрут и точки с полезными объектами инфраструктуры на дисплее, показывающем перемещение по карте. Позволяет загружать картографические данные с различных веб-сайтов, включая openstreetmap.org, openaerialmap.org и некоторых других.

Пакет добавляет в библиотеку поддержку Python.

GpsPrune est une application pour visualiser, éditer et convertir les données de coordonnées des systèmes GPS. C'est un outil pour préparer les données GPS avant de partir en voyage, et pour jouer avec vos données GPS collectées après votre retour à la maison.

Il peut charger des données à partir de formats textuels arbitraires (par exemple, tout fichier séparé par des tabulations ou des virgules) ou XML, ou directement à partir d'un récepteur GPS. It can display the data (as map view using OpenStreetMap images and as altitude profile), edit this data (for example delete points and ranges, sort waypoints, compress tracks), and save the data (in various text-based formats). It can also export data as a GPX file, or as KML/KMZ for import into Google Earth, or send it to a GPS receiver.

Some example uses of GpsPrune include cleaning up tracks by deleting wayward points - either recorded by error or by unintended detours. It can also be used to compare and combine tracks, convert to and from various formats, compress tracks, export data to Google Earth, or to analyse data to calculate distances, altitudes and so on.

Furthermore, GpsPrune is able to display the tracks in 3d format and lets you spin the model round to look at it from various directions. You can also export the model in POV format so that you can render a nice picture using Povray. You can also create charts of altitudes or speeds. It can also load Jpegs and read their coordinates from the EXIF tags, and export thumbnails of these photos to Kmz format so that they appear as popups in Google Earth. If your photos don't have coordinates yet, GpsPrune can be used to connect them (either manually or automatically using the photo timestamps) to data points, and write these coordinates into the EXIF tags.


Voir la vidéo: Ansaitse 141,90 dollaria vain 60 minuutissa ilmaiseksi GOOGLE DRIVE-palvelun avulla! Ansaitse r..