区域
中国北京
地图数据文件下载链接
选择原因：北京是中国首都，地图编辑者多，地图数据信息较为详细。
审查数据发现问题
- 部分道路（highway）的英文名（name:en）不规范。
例如：
jie（街）、Str 应改为 Street
lu（路）、Rd. 应改为 Road
Hutong（胡同） 应改为 Alley等。
注：只修改英文名（name:en），不修改国际名（int_name），因为数据文件中国际名普遍为jie（街），lu（路）的形式。
修正道路（highway）的英文名(name:en)
用Python构造一个修正函数：
def update_name(name, mapping): wrong_name_list = mapping.keys() for wrong_name in wrong_name_list: if name.endswith(wrong_name): name = name.replace(wrong_name,mapping[wrong_name]) return name
mapping = {"jie":"Street","Jie":"Street",'JIE':"Street","St": "Street", "St.": "Street", "Str":"Street",'Hwy':'Highway', "Ave": "Avenue", "lu":"Road","Lu":"Road","Rd.": "Road","road":"Road", "hutong":"Alley","Hutong":"Alley","xiang":"Alley","Xiang":"Alley"}
完整代码见文件clean_shape_convert.py
数据集概述
注：数据库软件为MySQL而非sqlite.
文件大小
beijing_china.osm ......... 182 MB
beijing_db.sql .......... 122 MB
nodes.csv ............. 68.9 MB
nodes_tags.csv ........ 3.06 MB
ways.csv .............. 7.36 MB
ways_tags.csv ......... 8.5 MB
ways_nodes.cv ......... 24.6 MB
nodes数量
SELECT count(*)
FROM nodes;
863664
ways数量
SELECT count(*)
FROM ways;
128218
unique users数量
SELECT count(distinct subq.uid)
FROM (SELECT uid FROM nodes UNION ALL SELECT uid FROM ways) as subq;
1846
有highway标签的ways数量
SELECT count(*)
FROM ways_tags
WHEREkey= 'highway';
64186
有highway标签且有英文名（name:en）的ways数量
SELECT count(distinct subq.id)
FROM ways_tags JOIN (
SELECT id
FROM ways_tags
WHEREkey= 'highway') as subq
ON ways_tags.id = subq.id
WHERE ways_tags.key = 'en' and ways_tags.type = 'name';
4152
关于数据集的其他探索和想法
道路（highway）的各种别名的数量
SELECT ways_tags.key, count(distinct subq.id) as count
FROM ways_tags JOIN (
SELECT id
FROM ways_tags
WHEREkey= 'highway') as subq
ON ways_tags.id = subq.id
WHERE ways_tags.type = 'name'
GROUP BY ways_tags.key
ORDER BY count DESC
LIMIT 5;
查询结果：
en, 4152
zh, 949
zh_pinyin, 896
fr, 353
de, 71
可以看到，在道路的各种别名中：
道路的英文名（en）数量最多，但也仅占总数的6.5%，有些道路有英文名甚至汉语拼音、法文名等，但有些道路完全没有别名，道路别名设计比较混乱。
额外的想法
在探索数据集的过程中，发现的一个问题是道路或节点的属性值命名比较混乱，缺乏统一的标准，有一些数据未严格按道路命名的中文标准（链接：Zh-hans:Map Features）进行命名，以至于出现很多诸如expressway等不规范的命名，建议在地图编辑器中添加一个功能，时刻提醒编辑者或贡献者们在编辑地图时注意命名标准，这样在之后别人进行数据分析时会方便很多。
