OpenStreetMap
( kilka - kilkadziesiąt metrów, bez wody / PL: 1-2.5 m szer. i mniej)) osm.wiki/Pl:Tag:natural%3Dgully
Strome, trawiaste zbocze natural=earth_bank + earth_bank=grassy_steep_slope
Na terenie Kurpii (Łyse, Myszyniec, Kadzidło, Ostrołeka) brakuje wielu kluczowych elementów, aktualnych informacji, i zwyczajnego landuse’u.
Kurpie zasługują na dobrą jakość map, lecz ja sam, nie poradzę sobie z tym dosyć sporym regionem.
Zapraszam wszystkich do wspólnego mapowania tego pięknego, ciekawego i historycznego regionu Polski.
Zachęcę po Kurpiowsku :
-
Miejscowość: Gdów Powiat: wielicki Województwo: Małopolskie Kraj: Polska
Na terenie miejscowości Gdów zostały wprowadzone nazwy ulic co spowodowało zmianę numerów domów. Proszę o aktualizacje.
Przykład:
Stary adres: Gdów 365 Nowy Adres: ul. Stadnicka 44 32-420 Gdów
Zbieram informacje, gdzie zaczyna/kończy się strefa ograniczonej prędkości, bo dane są trochę przestarzałe: osm.org/note/4404285
Przy okazji, na dalszy etap, za info o ograniczeniach wagi i parkowania i “strefach zamieszkania” czy progach zwalniających też będę wdzięczny :)
Zapraszam serdecznie na Hackathon Budynki planowany na wrzesień 2024 w Warszawie.
Główny cel hackathonu to przywrócenie pełnej funkcjonalności bardzo przydatnej strony budynki.openstreetmap.org.pl/ służącej do importu budynków/adresów z oficjalnych polskich baz danych do OpenStreetMap.
Dodatkowe cele/okazje:
Więcej szczegółów na forum: https://community.openstreetmap.org/t/hackathon-budynki-2024-09-warszawa/117592
OpenStreetMap to projekt społecznościowy, oparty na dobrowolnym i wolicjonalnym wkładzie jego uczestnika. Czyli na czym? Na dobrej woli i na chęci poświęcenia tej woli na rzecz dokonania wkładu względem projektu. OpenStreetMap, podobnie jak Wikipedia, opiera się na “szaleńcach” (z punktu widzenia ekonomii kapitalistycznej i koncepcji “homo oeconomicus”), którzy dają coś (a właściwie: pracę) od siebie na rzecz społeczności (społeczeństwa) bez oczekiwania zysku w rozumieniu wynagrodzenia pieniężnego. Co ich ku temu motywuje? Mogę od siebie podać kilka takich czynników, które są moim “motorem”:
Bułgaria jest krajem na południu Europy, graniczącym z obszarem Bałkanów i Azji Mniejszej (Turcji). Jest prawie 3-krotnie mniejsza terytorialnie od Polski, w ilości ludności - prawie 6-krotnie; w wielkości społeczności OpenStreetMap - prawie 10-krotnie mniejsza od społeczności poświęcającej swój czas na obszar Polski! To wszystko powoduje, że nawet w przypadku największych miast Bułgarii łatwo dostrzec “białe plamy”, które powinny być wypełnione budynkami, chodnikami, parkingami dla samochodów itd., nie mówiąc już o obszarach zagospodarowania przestrzennego jak lasy, pola uprawne, zbiorniki wodne itd.
Bułgaria to także - z racji Morza Czarnego i Gór Półwyspu Bałkańskiego, ciepłego klimatu śródziemnomorskiego, smacznej kuchni (słowiańsko-bałkańskiej, z wpływem kuchni tureckiej) i przystępnych cen (niższych niż w Polsce) - wspaniałe miejsce z uwagi na turystykę i wypoczynek (piszę to wszystko z doświadczenia własnego).
Niestety, dobrej jakości źródeł do mapowania Bułgarii nie ma - tu trzeba trzymać się trudno dostępnych danych kadastru (https://kais.cadastre.bg/) i zdjęć satelitarnych Esri. Ale oba one, w połączeniu z lokalną, bułgarską społecznością, która - dzięki narzędziom typu StreetComplete, Every Door czy edytora w OsmAnd - może “oddolnie” uzupełnić szczegóły nieznane nam sprzed biurka często setki czy tysiące kilometrów od Bułgarii - stanowi wystarczający zestaw do wsparcia OpenStreetMap w Bułgarii. Pomoc bułgarskiej społeczności odwzajemni się po stokroć podczas odwiedzania tego niedocenianego turystycznie państwa.
Zawsze można spotkać się
͡⎚Ꮂ ͡⎚
Dzień dobry.
29 grudnia 2023 roku na stronie Geoportalu pojawiła się informacja o aktualizacji ortofotomapy w Zwoleniu i kilku innych miastach. Jestem tym uaktualnieniem niezwykle uradowany, gdyż pozwala mi to dodać dane, których dokładność byłaby wcześniej wątpliwa, jak na przykład miejsca parkingowe, a będzie to możliwe dzięki zwiększeniu rozdzielczości zdjęć.
Problemem nowej ortofotomapy jest pora wykonania zdjęć — okres letni. Utrudni mi to mapowanie zadrzewionych okolic, gdyż korony drzew zasłaniają podłoże. W związku z tym będę zmuszony korzystać z archiwalnego podkładu (warstwa “Geoportal 2: Ortofotomapa czasowa (zdjęcie lotnicze) WMS” z filtrem ustawionym na 1 października 2022 roku) w tych miejscach.
Z początku myślałem, że uaktualniona ortofotomapa jest niegeoreferencyjna, gdyż ulice, których geometrię korygowałem, były przesunięte względem znaków poziomych — linii, które były punktem odniesienia. Po porównaniu z jeszcze starszymi zdjęciami (“Ortofotomapa czasowa…” z filtrem ustawionym na 1 listopada 2020 roku) okazało się, że to te aktualne w październiku 2022 roku były przesunięte. Współczynnik przesunięcia wyznaczyłem na (0.40; 0.05). Mimo wszystko proszę Was o opinię w tej sprawie.
Wszelkie zmiany, które będą możliwe dzięki nowej ortofotomapie, a w szczególności korekty geometrii, będę oznaczał hasztagiem #NoweOrtoZwoleń.
Z wyrazami szacunku
Kamil Kalata
Jestem tu nowy ja nie wiem o co chodzi tak szczerze, czy ktoś mi wyjaśni haha bo fajna apka ale troszkę się zagubiłem
Dzień dobry.
Planuję dodać informacje o ograniczeniach prędkości w Zwoleniu i okolicach (±5 km). Mam zamiar rozłożyć tę pracę na co najmniej kilka etapów, w tym niżej wymienione:
| Lp. | Miejsce | Wykonanie |
|---|---|---|
| 1. | Ulice Reja i Kościuszki (bez strefy zamieszkania) | ✅ (142877077) |
| 2. | Podzagajnik (wzdłuż drogi krajowej nr 12) | ✅ (143217369) |
| 3. | Ulica Targowa (między ulicami Wojska Polskiego a Majora Hubala) | ✅ (143625723) |
| 4. | Ulica Żeromskiego | ✅ (143827509) |
| 5. | Ulica Armii Krajowej (między stacją paliw Orlen a ulicą Żeromskiego) | ✅ (143876925) |
| 6. | Ulica Ludowa | ✅ (143933627) |
| 7. | Ulica Mickiewicza | ✅ (144143894) |
| 8. | Ulice Świętej Anny i Świętego Jana | ✅ (144174370) |
| 9. | Aleja Pokoju (między ulicami Skłodowskiej-Curie a Kochanowskiego) oraz ulica Skłodowskiej-Curie |
✅ (144219978) |
| 10. | Plac Kochanowskiego (bez drogi krajowej nr 12), ulica Kościuszki i Aleja Pokoju (obie w strefie zamieszkania), ulice Jagiełły, Krakowska, Moniuszki, 3 Maja, ulica Kilińskiego (między placem Kochanowskiego a ulicą Kochanowskiego) |
✅ (144448565) |
| 11. | Ulice Generała Andersa, 550-lecia, Czachowskiego, ulica Graniczna (między ulicami Targową a Czachowskiego), ulice Cielątki, Wężyka, Mała, Miła, Wesoła, Gotardowa, Dobra, ulica Prosta (między ulicami Czachowskiego a Wesołą) |
✅ (144506747) |
| 12. | Ulica Szkolna i Bulwar Targowy | ✅ (145661789) |
| 13. | Ulice Bogusza i Księdza Packa | ✅ (155317760) |
Dalsze etapy będą podawane w miarę postępu prac.
Z wyrazami szacunku
Kamil Kalata
(Inspiracją dla tego wpisu w dzienniku był dla mnie trwający już ponad 3 lata kontakt ze strażakami z Jednostki Ratowniczo-Gaśniczej nr 1 w Suwałkach, których serdecznie pozdrawiam!)
Nawet najbardziej zaangażowanego kartografa serwisu OpenStreetMap (“mappera”) mogą z czasem ogarnąć wątpliwości czy znudzenie, u podłoża których stoi pytanie: “A tak właściwie, na co to komu?”. Czasem, poza osobistą satysfakcją czy osobistą nagrodą za włożoną pracę (w postaci możliwości wykorzystania w praktyce stworzonych przez siebie przed chwilą map = odwzorowania rzeczywistości), potrzebujemy po prostu czegoś więcej, poczucia sensowności społecznej a nie tylko indywidualnej (dla nas czy naszych znajomych). Każda więc informacja zwrotna ze strony np. służby straży pożarnej, że to co się robi ma sens i jest na co dzień przydatne i wykorzystywane w bieżącej pracy - to kop satysfakcyjny motywujący do dalszej pracy!
Dzień dobry.
Planuję podzielić obszary zabudowy mieszkaniowej w Zwoleniu (przede wszystkim linia nr 857055120) na mniejsze części. Mam zamiar rozłożyć tę pracę na co najmniej kilka etapów, w tym niżej wymienione:
Projekt “OpenStreetMap dla zwierząt domowych” - mapowanie miejsc związanych ze zwierzętami domowymi: schroniska, gabinety i lecznice weterynarii, parki/wybiegi dla zwierząt, krematoria, cmentarze… Pamiętamy także o państwowej inspekcji weterynaryjnej i Towarzystwie Opieki nad Zwierzętami!
(oznaczenie na mapie - obowiązkowo) amenity=animal_shelter
(dla jakich zwierząt - opcjonalnie) animal_shelter=*
(nazwa miejsca, jeśli istnieje - opcjonalnie) name=*
(godziny otwarcia - opcjonalnie) opening_hours=*
(numer telefonu - opcjonalnie) phone=*
(adres e-mail - opcjonalnie) email=*
(strona internetowa - opcjonalnie) website=*
(oznaczenie na mapie - obowiązkowo) amenity=veterinary
(dla jakich zwierząt - opcjonalnie) pet=* (zobacz: osm.wiki/Key:pet)
(nazwa miejsca, jeśli istnieje - opcjonalnie) name=*
(godziny otwarcia - opcjonalnie) opening_hours=*
(numer telefonu - opcjonalnie) phone=*
🗺️🦀 Witajcie, społeczność OpenStreetMap,
Dziś dzielę się z Wami moim najnowszym projektem, osm-yolo-crossings — nowym narzędziem wykorzystującym zaawansowaną technologię AI do samodzielnej detekcji i mapowania przejść dla pieszych (zebry) w OpenStreetMap. Po udanym imporcie budynków w Polsce za pomocą AI, przyszedł czas na poprawę bezpieczeństwa pieszych!
Dzięki mocy detekcji obiektów YOLOv8, to narzędzie automatyzuje mapowanie brakujących przejść dla pieszych na naszych mapach. Z imponującą precyzją wynoszącą ponad 99,7%, jest w stanie zaimportować około 88% wszystkich wykrytych przejść. Pozostałe 12% jest odrzucane z powodu niskiego poziomu pewności. Dzięki inteligentnemu filtrowaniu, system ten jest niesamowicie wydajny. Na przykład, jest w stanie zmapować całą Polskę w ciągu zaledwie dwóch miesięcy, używając pojedynczego serwera bez karty graficznej. To AI pracuje mądrze, a nie ciężko!
🗺️🦀 Witam społeczność OpenStreetMap,
Z zadowoleniem ogłaszam mój najnowszy projekt, osm-budynki-orto-import - w pełni autonomiczne narzędzie do importu budynków, które obecnie funkcjonuje w Polsce. Jest to mój kolejny krok w kierunku uczynienia OpenStreetMap (OSM) bardziej dynamiczną i wydajną platformą.
Narzędzie to zostało zaprojektowane w celu uproszczenia i zwiększenia dokładności procesu importu budynków. System wykorzystuje oficjalne dane budynków w połączeniu ze zdjęciami ortofotograficznymi w celu weryfikacji poprawności danych przed ich zaimportowaniem.
Sercem tego projektu jest zaawansowany model wizji komputerowej, którego precyzja sięga 99,7%. Moim zdaniem dokładność ta przewyższa możliwości większości przeciętnych mapujących, zapewniając szybszy i bardziej niezawodny sposób mapowania struktur.
