2. @sotmfr 2016@cartocite
Carte, territoire et citoyens
Géomatique et cartographie Web
Formations OpenStreetMap
www.cartocite.fr
@cartocite
Antoine Riche
Florian Lainez
@overflorian
www.transilien.com
30. @sotmfr 2016@cartocite
www.cartocite.fr
Antoine Riche
06 76 88 13 49
antoine.riche@cartocite.fr
@cartocite
Vous pouvez partager et adapter cette présentation
à condition de l'attribuer à son auteur et de partager
vos adaptations dans les mêmes conditions.
Retrouvez cette présentation sur
http://fr.slideshare.net/cartocite
http://creativecommons.fr/
Editor's Notes
SNCF Transilien a confié à Carto’Cité le soin de cartographier sur OSM l’intérieur des 6 grandes gares de Paris, et des gares RER associées.
.
Nous avons relevé le défi.
.
Beau projet qui a été l’occasion de mêler plusieurs compétences et d’innover.
« Comment nous sommes devenus mappers pros »
.
Parce que quand j’ai créé Carto’Cité c’était pour proposer des formations à OSM, et valoriser les données OSM.
.
Je ne m’attendais pas à avoir un contrat pour produire des données OSM.
Voici le résultat final : comment créer les données pour y parvenir ?
Se baser sur l’existant : fonctionne pour 90% des cas :
La moitié est déjà bien définie dans le wiki
L’autre moitié nécessite juste un travail de formalisation
Exemple : relation de gare :
type=public_transport
public_transport=stop_area
public_transport=stop_area
operator=SNCF
network=transilien
name=*
uic_ref=*
line:SNCF=*
10% de nouveaux tags :
railway=train_station_entrance
building_part=floor
3 types de gare au traitement / niveau de qualité différent
3 mappers aux compétences complémentaires :
.
- Stéphane, M. Mapillary
- Charles, expert QGIS
- moi, simple mapper qui ai bien progressé sur JOSM
.
On verra que ces compétences ont été très utiles pour le bon déroulement du projet.
.
Pourquoi Stéphane en haut du podium ?
Réponse : il me bat à plate couture à OSM Fight !
En début de course c’est Charles qui a mené.
.
Plus de 130 plans dont au moins 80 plans d’archi nous ont été fournis … au fur et à mesure qu’on découvrait des manques.
.
1/ comprendre comment ils s’articulent – plus de 20 plans rien que pour Haussmann !
.
2/ géoréférencer les plans avec QGIS
.
3/ les tuiler avec GDAL jusqu’au zoom 23 pour les utiliser dans JOSM
.
Résultat : 70 plans géoréférencés et tuilés pour ~1.3 M de fichiers
Voici la mosaïque des plans d’architecte géoréférencés pour la gare RER Haussmann
.
Désolé : plan peu lisible … mais on reconnaît la gare St-Lazare et le RER Haussmann.
.
Haussmann c’est 6 niveaux du 0 au -5, 5 accès différents (hors connexions avec le métro), des km de couloirs et des escaliers roulants dans tous les sens
.
Charles a su démêler tout ça en restant zen, sans perdre le Nord
Configuration avance de JOSM pour créer des formulaires de saisies à partir du référentiel.
.
Créé en XML
.
Avantages : efficacité, homogénéité et qualité
.
Ex : éviter les typos sur Boutique Grandes Lignes – important pour l’exploitation des données
.
Compromis à trouver entre le nombre de formulaires et la longueur de chaque formulaire
.
Ex : un seul formulaire pour escaliers et escalators, ou pour tous les commerces
Expliquer JOSM
.
Un vrai régal !
.
On aurait envie de mapper les escaliers en surfacique !
.
On voit la Gare de l’Est où Stéphane s’est fait plaisir ...
Mais pas toujours facile !
.
Quand on n’est pas architecte, comprendre l’organisation des escalators de Montparnasse sans être sur place, c’est à s’arracher les cheveux.
.
On ne perd plus le Nord grâce aux plans géoréférencés
.
La difficulté est de ne pas perdre la tête !
.
Voici la gare de Lyon, on la reconnaît bien.
.
Pas de pb pour la galerie des Fresques, mais le reste …
On y voit plus clair avec quelques filtres
.
Notamment des filtres sur le tag level, qu’on inversait pour ne voir qu’un niveau
.
Concentration requise pour ne pas se mélanger les pinceaux entre les calques et les filtres.
Autre difficulté : respecter les données existantes
.
Certaines gares étaient déjà bien cartographiées, comme Saint-Lazare et Gare de Lyon
.
D’autres un peu moins bien
.
Résultat : après avoir mappé les quais et ajusté les voies à partir des plans, on se retrouvait avec des poubelles et des bancs au milieu des voies !
.
On ne pouvait pas les laisser là ! Pour autant pas visibles sur les plans
.
On a fait au mieux ...
Préparation de la phase 2 : relevés terrain.
.
A nouveau QGIS pour produire des walking papers indoor.
.
Charles a défini une méthodo et des feuilles de styles pour produire des cartes niveau par niveau.
.
Script pour créer une base SpatialLite (avec un fichier osmconf.ini adapté)
.
Styles inspirés de OpenLevelUp, notamment les pictos
.
Voyez le menu déroulant à gauche au-dessus du sélecteur de couches : un plugin développé par Thomas G. pour sélectionner le niveau.
.
Le tour est joué !
Pendant ce temps …
.
Stéphane postait des photos énigmatiques sur Twitter
.
On savait qu’il préparait la phase 2 – les prises de vue sur le terrain – mais on se demandait s’il n’avait pas perdu la tête …
Nous sommes donc allés à Paris pour la seconde phase du projet : photos et relevés terrain
.
Mais nous n’avons pas vu la Tour Eiffel
Nos 4 jours sur Paris ont plutôt ressemblé à ça !
Mais 150 ans après le roman de Jules Verne, les techniques ont un peu évolué.
.
Voici le V4M Pod inventé par Stéphane.
.
Le V4M Pod : 4 caméras Xiamo Yi, disposées à 360° et contrôlées par une appli Androïd hackée par Stéphane une longue nuit d’hiver
.
Le dispositif a fonctionné à la perfection : 15 000 photos en 4 jours !
En + des photos aller sur le terrain était essentiel pour bien comprendre l’organisation des gares et de la circulation des piétons.
.
Notamment les gares RER Haussmann et Magenta : circulation pensée pour que les passagers ne se croisent pas.
.
Pas prévu mais nous avons souvent noté le sens de circulation des escalators, car essentiel par endroit.
.
On n’a pas vu la Tour Eiffel …
.
Mais on a fait des km sous terre !
Les photos c’est bien, mais en indoor pas de geoloc !
.
Walking papers pour noter les parcours et les horaires
.
Process :
1/ localiser les photos clefs
2/ script : localiser les autres photos par interpolation
3/ script : éclater les 4 photos pour utilisation dans JOSM
4/ séparer les photos par niveau
.
EN SAVOIR PLUS : ATELIER STEF DEMAIN
Résultat : c’est génial !
.
On voit à Gauche les 4 photos orientées qu’on peut sélectionner.
.
On voit la quantité d’infos visibles sur une photo.
.
Et vous voyez les petits points blancs sous l’écran ?
… il s’agit de 2 horloges que l’on voit bien sur l’image à pleine résolution.
.
On n’obtient pas ça avec une Ricoh Theta.
Une fois les photos localisées et organisées pour une utilisation pratique dans JOSM, c’est parti pour une deuxième phase de production de données.
.
Un peu d’organisation pour coordonner plans d’archi, photos et filtres sur les données.
.
Un peu de méthode pour ne rien oublier.
.
Le quadrillage serré des photos a permis de placer précisément les équipements : par ex. automates de vente, nom des commerces
.
8e et dernière étape : contrôle qualité
.
Après avoir produit toutes les données pour garantir une qualité de résultat
.
~ 20 contrôles sous forme de recherches JOSM
.
- les quais sont des ways fermés avec area=yes
- les ascenseurs sont des nodes et plusieurs valeurs sur le tag level
- pas de nœud orphelin
- pas de faute de saisie sur les noms
.
Voici le résultat sur OpenLevelUp.
.
Très utile OpenLevelUp, car mise à jour rapide.
Voici le résultat final : comment créer les données pour y parvenir ?