OpenStreetMap Binalarının Mekansal Doğruluğunun Analiz Edilmesi

Year 2019, Volume: 1 Issue: 1, 5 - 13, 15.12.2019

Kadir Küçük Berk Anbaroğlu

Abstract

Bu makalenin
amacı, OpenStreetMap(OSM)’nin mekânsal doğruluğunu Türkiye Topoğrafik Vektör
Veri Tabanı (TOPOVT)’ye göre ‘büyük bina’ katmanı kapsamında analiz etmektir.
Açık bir platform olduğu için, isteyen herkes OSM’ye erişebilir, coğrafi veri
ekleyebilir ve coğrafi veriyi güncelleyebilir. Bağlayıcı bir standardı olmadığından,
OSM’nin mekânsal doğruluğunun değerlendirilmesi açık bir araştırma konusudur.
Diğer taraftan TOPOVT, Harita Genel Müdürlüğü tarafından standart bir prosedür
izlenerek 1:25000 veya daha büyük ölçekte üretilmektedir ve referans veri seti
konumundadır. TOPOVT’yi güncellemek masraflı bir işlemdir ve ancak belirli
zaman aralıklarında gerçekleştirilebilmektedir. TOPOVT’de güncellenecek
yerlerin otomatik tespiti toplam maliyeti düşürecek etkin bir işlem olacaktır. Bu
işlemin ön koşulu da, OSM verisinin mekânsal doğruluğunu analiz etmektir.
Dolayısıyla, bu makalede OSM ve TOPOVT’deki eşleşen poligonlar arasındaki
Hausdorff mesafesini hesaplayarak ‘bina’ katmanının mekânsal doğruluğunun
belirlenmesi hedeflenmiştir. Önerilen metodoloji kapsamında eşleşen poligonları
tespit etmek için iki farklı yöntem değerlendirilmiştir: ‘Örtüşme Yöntemi’ ve
‘Merkez Tabanlı Yöntem’. Hausdorff mesafesi her iki katmanda eşleşen poligonlar
arasında hesaplanmaktadır. Kesişen poligonların aynı binaya ait olduğu kabul
edilmektedir ve hesaplanan Hausdorff mesafesi de OSM’deki binanın mekânsal
doğruluğunu belirtmek için kullanılmaktadır. Açık kaynak olarak geliştirilen
yazılım iki farklı sahada test edilmiştir. Sonuçlar OSM kalitesinin TOPOVT ile
iyi bir şekilde eşleşebileceğini göstermiştir. Ortalama Hausdorff mesafesi her
iki yöntem için de yaklaşık 9.5 metredir. İncelenen OSM ve TOPOVT’nin tamamen
farklı süreçler yoluyla üretildiği ve OSM’de herhangi bir veri temizleme süreci
uygulanmadığı göz önüne alındığında, elde edilen mekânsal doğruluğun birçok pratik
amaç için ‘iyi’ ve ‘kullanışlı’ olabileceği değerlendirilmektedir. Geliştirilen metodolojinin uygulanabilir olmasını sağlamak
için, tüm süreç bir ArcMap uzantısına entegre edilmiştir ve geliştirilen kod
GitHub’da paylaşılmıştır.

Keywords

OpenStreetMap, TOPOVT, bina, veri kalitesi, açık kaynak, coğrafi bilgi sistemi

Thanks

TOPOVT verilerini sağladıklarından dolayı Harita Genel Müdürlüğü’ne teşekkür ederiz. Ayrıca, Altan Yılmaz ve Mustafa Canıberk’in geri bildirimleri için de müteşekkiriz.

References

• Anbaroğlu, B., (2017). Gönüllü Coğrafi Bilgi: Mekânsal Bilişim Çalışmalarına Web 2.0 Devrinde Yeni Bir Yaklaşım, Harita Dergisi, 158, 1-9.
• Avbelj, J., Müller, R., Bamler, R., 2015. A Metric for Polygon Comparison and Building Extraction Evaluation. IEEE Geoscience and Remote Sensing Letters 12, 170–174.
• Barron, C., Neis, P., Zipf, A., 2014. A Comprehensive Framework for Intrinsic OpenStreetMap Quality Analysis. Transactions in GIS 18, 877–895. Brovelli, M.A., Zamboni, G., 2018. A New Method for the Assessment of Spatial Accuracy and Completeness of OpenStreetMap Building Footprints. ISPRS International Journal of Geo-Information 7, 289.
• Çabuk, S., Erdoğan, M., Önal, E., 2015. Open Street Map Verilerinden Yararlanılarak 1/50K Ölçekli Harita Üretilebilirliğinin Araştırılması. Harita Dergisi 26–34.Fan, H., Zipf, A., Fu, Q., Neis, P., 2014. Quality assessment for building footprints data on OpenStreetMap. International Journal of Geographical Information Science 28, 700–719.
• Feick, R., Roche, S., 2013. Understanding the Value of VGI, in: Sui, D., Elwood, S., Goodchild, M. (Eds.), Crowdsourcing Geographic Knowledge. Springer Netherlands, pp. 15–29.
• Goodchild, M.F., 2007. Citizens as sensors: the world of volunteered geography. GeoJournal 69, 211–221.
• Gupta, S., Pebesma, E., Degbelo, A., Costa, A.C., 2018. Optimising Citizen-Driven Air Quality Monitoring Networks for Cities. ISPRS International Journal of Geo-Information 7, 468.
• Hachmann, S., Jokar Arsanjani, J., Vaz, E., 2018. Spatial data for slum upgrading: Volunteered Geographic Information and the role of citizen science. Habitat International, Regional Intelligence: A new kind of GIScience 72, 18–26.
• Haklay, M., 2013. Citizen Science and Volunteered Geographic Information: Overview and Typology of Participation, in: Sui, D., Elwood, S., Goodchild, M. (Eds.), Crowdsourcing Geographic Knowledge: Volunteered Geographic Information (VGI) in Theory and Practice. Springer
• Haklay, M., 2010. How Good is Volunteered Geographical Information? A Comparative Study of OpenStreetMap and Ordnance Survey Datasets. Environ Plann B Plann Des 37, 682–703.
• Haklay, M. (Muki), Basiouka, S., Antoniou, V., Ather, A., 2010. How Many Volunteers Does it Take to Map an Area Well? The Validity of Linus’ Law to Volunteered Geographic Information. The Cartographic Journal 47, 315–322.
• Hecht, R., Kunze, C., Hahmann, S., 2013. Measuring Completeness of Building Footprints in OpenStreetMap over Space and Time. ISPRS International Journal of Geo-Information 2, 1066–1091.
• Küçük, 2019. Hausdorff Analysis. Contribute to kadirkucuk/Proje development by creating an account on GitHub. https://github.com/kadirkucuk/Proje (16 Nisan 2019)
• OSM, 2019. OpenStreetMap Copyright and Licence. https://www.openstreetmap.org/copyright/en (16 Nisan 2019)
• QGIS, 2019. OpenStreetMap Verisinde Arama Yapma ve Veriyi İndirme — QGIS Tutorials and Tips. http://www.qgistutorials.com/tr/docs/downloading_osm_data.html (16 Nisan 2019)
• Qi, Y., Zhang, C., Zhi, Z., Guo, K., Guo, D., 2018. A VGI-based Foodborn Disease Report and Forecast System, in: Proceedings of the 4th ACM SIGSPATIAL International Workshop on Safety and Resilience, Safety and Resilience’18. ACM, New York, NY, USA, pp. 18:1–18:7.
• Schlesinger, M.I., Vodolazskii, Y.V., Yakovenko, V.M., 2014. Recognizing the Similarity of Polygons in a Strengthened Hausdorff Metric. Cybern Syst Anal 50, 476–486. Senaratne, H., Mobasheri, A., Ali, A.L., Capineri, C., Haklay, M. (Muki), 2017. A review of volunteered geographic information quality assessment methods. International Journal of Geographical Information Science 31, 139–167.
• Sevinç, H.K., Karaş, İ.R., 2018. Gönüllü Coğrafi Bilgi, Sivil Bilim ve Katılımcı Coğrafi Bilgi Sistemleri Arasındaki Benzerlikler ve Farklılıklar.
• Taşkanat, T., Karaağaç, A., Beşdok, E., Bostanci, B., 2018. Kentsel Sorunların Yönetimi için Bir Gönüllü Coğrafi Bilgi Mobil Uygulaması Geliştirilmesi. Geomatik 3, 84–91.
• Touya, G., Antoniou, V., Olteanu-Raimond, A.-M., Van Damme, M.-D., 2017. Assessing Crowdsourced POI Quality: Combining Methods Based on Reference Data, History, and Spatial Relations. ISPRS International Journal of Geo-Information 6, 80.
• USGS, 2019. Volunteered Geographic Information (VGI). https://www.usgs.gov/core-science-systems/ngp/cegis/vgi (16 Nisan 2019)
• Venegin, H., 1999. Data quality parameters, in: Geographical Information Systems: Principles and Technical Issues. John wiley and Sons, pp. 177–89.
• Yılmaz, A., Canıberk, M., 2018. Real Time Vector Database Updating System: A Case Study for Turkish Topographic Vector Database (TOPOVT). International Journal of Engineering and Geosciences 3, 73–79.