openStreetMap数据分析举例-使用Qt统计城市科技指数排名
openstreetmap是一种完全开放的地理信息系统，数据由个人、公司免费捐赠、维护。在这个博客的前文中，我们大多围绕搭建地图环境展开讨论。实际上，它更具价值的是数据本身。今天，我们来看使用Qt5分析openstreetmap数据库（样本为2019-01导入全球数据），获得城市科技指数这个自定义指标。
openSteetMap详细知识、数据、虚拟机见:
http://www.goldenhawking.org:8088/
https://www.openstreetmap.org
https://planet.openstreetmap.org/
数据库的搭建见本博客其他博文。专栏：
https://blog.csdn.net/goldenhawking/column/info/22354
1 openstreetmap体现城市科技发达程度
在各类官方、非官方的统计学报告中，通过各种角度对城市进行排名。 有根据GDP的，根据绿化的，等等。openStreetMap作为在国内并不很流行的GIS，因为主要数据都来自不受共同利益约束的个人、小公司，因而更能体现一个地方的科技发达程度。
- 地标数量越多，说明为其贡献数据的独立个体越多。
- 这些个体可能是城市的原住民，或者和城市有关的人（游客、学生、社团）。
- 由于编辑、维护这些数据需要一定的技术基础，比如要会上网、打字，还要有一些基础的地理知识，我们可以认为贡献者应该代表了同时具备初中以上文化，且对计算机技术比较熟练的人。
- 综上，一个地方地标越多，说明与该地相关的具有基础科技知识的人越多——而人，是未来一个城市发展的希望。
2 设计相对公平的统计原理
各个城市的大小不一样，形状也不同。如果直接用外接多边形（行政区）进行统计，显然，面积越大的城市越占优势。我们用城市中心区域500平方公里圆形范围（12.616千米半径）内的地标个数为统计方法，主要理由：
- 大部分城市的市区应该都能填充12千米为半径的圆，即使这个城市的形状非常奇怪（如长条型）
- OpenStreetMap的城市要素（如place=city）point基本全部安排在最繁华的地点，因此，可以为这个圆找到非常棒的中心。
- 两个城市市区中心、CBD之间距离一般大于20公里。
因此，统计的方法为查找各个地级市最繁华的半径为12公里的圆型区域中，地标有多少个。
3 SQL语句设计
PostgreSQL支持地理计算，以下语句会直接搜索出距离中心点最近的5.642千米内的地标ID(100平方公里的圆）。PostGIS允许SQL语句中加入地理空间计算，对集合的子交并补支持的非常好。
select distinct osm_id from planet_osm_line where
ST_Covers(
ST_Transform(
ST_SetSRID(
ST_MakeBox2D(
ST_Point(112.556-0.5, 37.8562-0.5),ST_Point(112.556+0.3, 37.8562+0.3)
),4326),
3857),
way)
and ST_Distance(
ST_Transform(
ST_SetSRID(
ST_MakePoint(112.556, 37.8562),
4326),
3857),
way) < 12616
4 地理数据获得
可以通过CSDN资源
https://download.csdn.net/download/u012266955/10664500
获得CSV格式的城市经纬度。由于该城市经纬度是行政区域的中心，因而需要和OpenStreetMap的位置进行矫正，以便找到最繁华的市中心。
该数据类似：
我们根据城市的名字，加上行政中心经纬度，使用名称在数据库搜索：
select name, St_X(St_Transform(way,4326)),St_Y(St_Transform(way,4326)) ,
ST_Distance(
ST_Transform(
ST_SetSRID(
ST_MakePoint(116.753, 38.2658),
4326),
3857),
way) as dis
from planet_osm_point where
ST_Covers(
ST_Transform(
ST_SetSRID(
ST_MakeBox2D(
ST_Point(116.753-2, 38.2658-2),ST_Point(116.753+2, 38.2658+2))
,4326)
,3857),
way)
and place in ('city','town','suburb')
and (name like '沧州%' or name like '沧州市%')
order by admin_level, dis asc
5 统计结果
统计结果如下:
| 顺序 | 城市 | 省份 | 命名地点个数 |
|---|---|---|---|
| 1 | 广州 | 广东 | 19237 |
| 2 | 北京 | 北京 | 15733 |
| 3 | 上海 | 上海 | 14878 |
| 4 | 珠海 | 广东 | 12470 |
| 5 | 深圳 | 广东 | 12134 |
| 6 | 杭州 | 浙江 | 11178 |
| 7 | 南昌 | 江西 | 9208 |
| 8 | 济南 | 山东 | 6593 |
| 9 | 合肥 | 安徽 | 6463 |
| 10 | 南通 | 江苏 | 6457 |
| 11 | 成都 | 四川 | 6446 |
| 12 | 南京 | 江苏 | 6335 |
| 13 | 苏州 | 江苏 | 5849 |
| 14 | 武汉 | 湖北 | 5667 |
| 15 | 青岛 | 山东 | 4547 |
| 16 | 临沂 | 山东 | 4511 |
| 17 | 佛山 | 广东 | 4389 |
| 18 | 西安 | 陕西 | 4197 |
| 19 | 天津 | 天津 | 4056 |
| 20 | 长沙 | 湖南 | 3939 |
| 21 | 兰州 | 甘肃 | 3697 |
| 22 | 潍坊 | 山东 | 3222 |
| 23 | 江门 | 广东 | 3162 |
| 24 | 福州 | 福建 | 3028 |
| 25 | 长春 | 吉林 | 2707 |
| 26 | 无锡 | 江苏 | 2683 |
| 27 | 唐山 | 河北 | 2597 |
| 28 | 汕头 | 广东 | 2593 |
| 29 | 清远 | 广东 | 2572 |
| 30 | 昆明 | 云南 | 2455 |
| 31 | 常州 | 江苏 | 2439 |
| 32 | 厦门 | 福建 | 2154 |
| 33 | 中山 | 广东 | 2071 |
| 34 | 湘潭 | 湖南 | 2004 |
| 35 | 鸡西 | 黑龙江 | 1975 |
| 36 | 洛阳 | 河南 | 1954 |
| 37 | 大连 | 辽宁 | 1832 |
| 38 | 张家口 | 河北 | 1785 |
| 39 | 平顶山 | 河南 | 1725 |
| 40 | 宁波 | 浙江 | 1706 |
| 41 | 泰安 | 山东 | 1700 |
| 42 | 贵阳 | 贵州 | 1642 |
| 43 | 石家庄 | 河北 | 1597 |
| 44 | 哈尔滨 | 黑龙江 | 1536 |
| 45 | 九江 | 江西 | 1500 |
| 46 | 遵义 | 贵州 | 1405 |
| 47 | 宁德 | 福建 | 1391 |
| 48 | 蚌埠 | 安徽 | 1376 |
| 49 | 镇江 | 江苏 | 1374 |
| 50 | 桂林 | 广西 | 1374 |
| … |
6 源代码
细节主要包括：
- 使用opensteetmap中的多组地名进行地标中心选取，每个城市都取最多地标的中心作为参照。
- 只统计具有name属性的地标。以防很多自动标注工具批量生成的内容干扰统计。
#include
if (query.exec(sql)==false)
throw query.lastError();
qint64 count = 0;
if (query.next())
count = query.value(0).toLongLong();
return count;
}
QVector<QVector<double> > correctPosition(const double lon, const double lat, const QString & name1, const QString & name2)
{
QVector<QVector<double> > res;
QVector<double> lonlat_raw{lon,lat};
//res<
static const QString s(
"select St_X(St_Transform(way,4326)),St_Y(St_Transform(way,4326)) ,"
"ST_Distance(ST_Transform(ST_SetSRID(ST_MakePoint(%1, %2), 4326),3857),way) as dis,name from planet_osm_point"
" where ST_Covers("
"ST_Transform(ST_SetSRID(ST_MakeBox2D(ST_Point(%1-2, %2-2),ST_Point(%1+2, %2+2)),4326),3857),way) "
" %5 and (name ='%3' or name ='%4') "
" order by admin_level, dis asc "
);
QTextStream st_out(stdout,QIODevice::WriteOnly);
QTextStream st_in(stdin,QIODevice::ReadOnly);
QSqlQuery query(QSqlDatabase::database("TEST"));
QString sql = s.arg(lon).arg(lat).arg(name1).arg(name2)
.arg(" and place in ('city','town','suburb') ");
//st_out<<"\n"<
if (query.exec(sql)==false)
throw query.lastError();
while (query.next())
{
QVector<double> lonlat{0,0};
lonlat[0] = query.value(0).toDouble();
lonlat[1] = query.value(1).toDouble();
res<<lonlat;
}
if (res.size()==0)
{
sql = s.arg(lon).arg(lat).arg(name1).arg(name2)
.arg(" and place is not null ");
if (query.exec(sql)==false)
throw query.lastError();
while (query.next())
{
QVector<double> lonlat{0,0};
lonlat[0] = query.value(0).toDouble();
lonlat[1] = query.value(1).toDouble();
res<<lonlat;
}
}
if (res.size()==0)
{
sql = s.arg(lon).arg(lat).arg(name1).arg(name2)
.arg(" ");
if (query.exec(sql)==false)
throw query.lastError();
while (query.next())
{
QVector<double> lonlat{0,0};
lonlat[0] = query.value(0).toDouble();
lonlat[1] = query.value(1).toDouble();
res<<lonlat;
}
}
if (res.size()==0)
{
res<<lonlat_raw;
st_out<<"\n"<<sql<<" \nNot corrented\n";
}
return res;
}