Suite

Mettre à jour les données OSM déjà importées dans qGIS


qGIS rend très simple l'importation de données à partir d'Open Street Map (il y a un bon tutoriel ici). Cependant, bien que ce processus soit relativement simple, il faut un certain temps pour télécharger les données, les convertir, sélectionner les attributs souhaités à importer, puis effectuer des requêtes pour enregistrer une nouvelle couche.

Étant donné que je travaille sur un projet qui prendra un certain temps à se développer, je crains de devoir répéter des étapes ou de perdre des données si je dois faire de nouvelles requêtes à partir d'OSM pour ajouter de nouvelles données. Savez-vous s'il existe un moyen d'automatiser ce processus autant que possible.

Imaginons que j'ai déjà téléchargé des données OSM, créé plusieurs couches (avec leurs attributs correspondants) et que je passe un peu plus de temps à commencer à faire un travail supplémentaire (par exemple une carte thermique). Imaginez maintenant que je veuille faire la même chose avec une version plus à jour d'OSM qui aura plus de fonctionnalités. Si je ne me trompe pas, je devrai tout répéter et ce sera comme repartir de zéro. Connaissez-vous un moyen de simplement mettre à jour tous les calques sans avoir à les supprimer et à recommencer ? (Je me demandais s'il y avait un moyen d'automatiser le processus ou de créer des couches "intelligentes" qui interrogent une couche spécifique ou un moyen de mettre à jour la base de données d'origine)


Pas que je sache (bien qu'il puisse y avoir des moyens d'automatiser les étapes de ce didacticiel avec un script python). Si vous vouliez aller vraiment à la haute technologie (avec une augmentation correspondante du temps d'installation), vous pouvez configurer une base de données postgis de la zone qui vous intéresse (avec les balises qui vous intéressent) en utilisant quelque chose comme Osmosis ou imposm, puis appliquez des différences quotidiennes, horaires ou minute pour que votre base de données soit tenue à jour. C'est cependant beaucoup de travail et beaucoup de données, et il ne semble pas que cela en vaille la peine, à moins que vous deviez répéter le processus des centaines de fois.


Combiner spatialement la production de bois et les loisirs avec la conservation de la biodiversité

Les plantations de pins établies sur d'anciennes landes sont courantes dans toute l'Europe occidentale et en Amérique du Nord. De telles zones peuvent continuer à soutenir les valeurs élevées de biodiversité des anciennes landes dans les zones les plus ouvertes, tout en fournissant simultanément des services écosystémiques tels que la production de bois et les loisirs dans les zones forestières. Cependant, l'optimisation spatiale de la récolte de bois et des loisirs sans menacer les valeurs de la biodiversité est un défi. La demande de biomasse ligneuse augmente, mais d'autres pressions sur la biodiversité, notamment le changement climatique, la fragmentation de l'habitat et la pollution de l'air, s'intensifient également. Les stratégies d'optimisation spatiale des différents services écosystémiques avec la conservation de la biodiversité sont encore sous-explorées dans la littérature de recherche. Ici, nous explorons des scénarios d'optimisation pour faire progresser la gestion des écosystèmes dans une plantation de pins en Belgique. Des observations ponctuelles de sept espèces indicatrices clés ont été utilisées pour estimer la qualité de l'habitat à l'aide de modèles linéaires généralisés. Sur la base de l'adéquation de l'habitat et des caractéristiques des espèces, la valeur de conservation spatialement explicite de différentes parcelles boisées et ouvertes a été déterminée à l'aide d'un outil de planification de la conservation spatialement explicite. La pression récréative a été quantifiée en interrogeant les aménagistes forestiers et avec des compteurs de sentiers automatisés. L'impact de la production de bois et des loisirs sur la conservation des espèces indicatrices a été évalué. Nous avons trouvé des compromis entre la conservation de la biodiversité et à la fois la production de bois et les loisirs, mais nous avons pu présenter un scénario final qui combine la conservation de la biodiversité avec un impact limité sur les deux services. Cette étude de cas illustre qu'une planification innovante de la gestion forestière peut permettre une meilleure intégration de la prestation de différents services écosystémiques forestiers tels que la production de bois et les loisirs avec la conservation de la biodiversité.

Ceci est un aperçu du contenu de l'abonnement, accessible via votre institution.


Mettre à jour les données OSM déjà importées dans qGIS - Systèmes d'Information Géographique

Nous souhaitons offrir un accès facile, simple et rapide aux "où" informations sur les personnes, les lieux, les événements et les choses. Nous sommes particulièrement intéressés à connecter les gens dans les communautés avec des informations sur les choses qui se passent autour d'eux. Et nous préférons le faire en utilisant et en nous appuyant sur les outils spatiaux omniprésents, gratuits et open source que d'autres communautés ont déjà construits.

OpenEarth est un petit cabinet de conseil formé en 1998 à Sydney, en Australie et maintenant de retour en Nouvelle-Zélande, basé et travaillant depuis Christchurch.

Nous sommes impliqués dans l'information spatiale depuis le tout début et pouvons tirer parti de notre expérience aux États-Unis, au Royaume-Uni et en Europe, ainsi que dans toute l'Australie.

Nous sommes particulièrement enthousiastes et connaisseurs Open source Les systèmes et données spatiaux tels que nous pensons qu'ils étendent considérablement les possibilités d'utiliser efficacement les informations spatiales toujours croissantes du monde et d'améliorer véritablement nos sociétés.

  • Comment une présence spatiale ou cartographique pourrait être ajoutée à vos systèmes d'information existants
  • Une évaluation de vos systèmes spatiaux existants pour voir s'ils pourraient bénéficier de nouvelles technologies et sources de données
  • Déterminer comment l'open source pourrait être ajouté pour compléter ou même remplacer les solutions propriétaires existantes.
  • Analyse de vos processus spatiaux existants ou prévus et gestion des données
  • Développement de spécifications et d'architectures pour de nouveaux systèmes spatiaux
  • Conception et optimisation de bases de données spatiales
  • Sourcing, nettoyage, structuration et présentation des données spatiales
  • Développement et mise en œuvre de logiciels et de services spatiaux
  • Hébergement, formation, documentation et support continu.

Une grande partie de notre travail peut être et est souvent effectuée à distance, mais nous pouvons également voyager en Australie/Nouvelle-Zélande pour entreprendre des tâches et des commissions convenues.

PostSIG

PostGIS est une extension spatiale de la base de données relationnelle Open Source populaire, PostgreSQL. Il met en œuvre un ensemble puissant de capacités spatiales, notamment le routage vectoriel 2D et 3D, raster et linéaire.

OpenEarth a de nombreuses années d'expérience dans PostgreSQL et PostGIS et peut développer des fonctions de stockage et d'analyse spatiales qui vous aident à visualiser et à mieux comprendre vos données de nouvelles manières.

Nous pouvons également fournir des tutoriels et des formations sur PostGIS et PostgreSQL pour aider le personnel à se familiariser avec les aspects spatiaux des bases de données relationnelles. Étant donné que la plupart des commandes Spatial sont basées sur les normes SQL/MM, les requêtes spatiales sont relativement portables entre les bases de données SQL prenant en charge Spatial.

GéoServeur

G eoServer est un serveur Java Open Source pour le partage et la présentation de données géospatiales. Il peut accéder à un large éventail de sources de données, analyser et manipuler les données spatiales et les présenter sous forme de cartes interactives pouvant être utilisées pour interroger les informations sous-jacentes.

Il peut également fournir des images brutes et des informations spatiales vectorielles à un large éventail de clients cartographiques existants (à la fois Open Source et propriétaires) en utilisant les normes largement adoptées de l'Open Geospatial Consortium (OGC)

Ouvrir la carte des rues

Open Street Map (OSM) est une communauté ou un ensemble de cartes Open Source du monde entier créé par des milliers de contributeurs à travers le monde.

Petits boulots spatiaux

O penEarth est un petit cabinet de conseil réactif qui peut fournir rapidement et facilement des solutions à des problèmes qu'il serait difficile ou coûteux de justifier d'une demande auprès d'une plus grande organisation.

Nous avons de nombreuses années d'expérience en tant que ressource flexible et adaptable "à portée de main" pour d'autres organisations afin de résoudre rapidement des problèmes spatiaux et Web de différentes tailles, mais surtout ceux qui sont urgents ou urgents, et qui peuvent nécessiter l'application d'un large éventail de compétences. Nous pouvons également prendre en charge de petits travaux qui peuvent consister en aussi peu que quelques heures de travail. Avec notre expérience et nos compétences, nous pouvons accomplir, en quelques heures, ce qui peut prendre des jours en interne.

OpenEarth gère ses propres serveurs et peut donc rendre les résultats, au fur et à mesure qu'ils sont développés, facilement disponibles pour la visualisation et la discussion.

Les demandes typiques peuvent être les suivantes :

  • Prenez les données de cette feuille de calcul et créez une carte avec des icônes et des couleurs reflétant des attributs particuliers de la feuille de calcul.
  • Rendre la carte interactive et accéder aux données de cette autre ressource lorsqu'un utilisateur clique sur une icône
  • Dites-moi le nombre d'hommes de 30-55 ans vivant dans un rayon de 15km de toutes ces adresses
  • Créer une API pour que mon logiciel puisse envoyer une adresse et qu'il réponde avec laquelle de ces zones de vente cette adresse se trouve
  • Chargez toutes ces données aux formats Excel, CSV et PDF dans une base de données, étudiez les moyens potentiels de lier les données, géocodez les adresses et fournissez une interface Web pour créer des rapports PDF personnalisés
  • Créez des documents Microsoft Word pouvant être automatiquement renseignés avec du texte et des images cartographiques à partir d'une base de données spatiale pour créer des rapports personnalisés

Ouverture de systèmes spatiaux fermés

Il est à noter que même les systèmes spatiaux propriétaires prédominants prennent désormais au sérieux les outils et solutions spatiales Open Source. Leurs offres les plus récentes sont souvent similaires à, ont appris de ou sont même construites sur des alternatives Open Source existantes - bibliothèques javascript telles que JQuery, C3, D3, OpenLayers et Leaflet, utilisation intensive des technologies de navigateur ouvertes populaires telles que HTML5, CSS3, SVG et Web/GL, middleware Open Source tels que GeoServer et Nodejs et magasins de données spatiales open source tels que PostGIS/PostgreSQL.

OpenEarth a discrètement été à l'avant-garde en matière d'innovation spatiale Open Source. D'une solution de cartographie Web de type Google Maps, SPLASH, (Spatial Planning Linkup Around Sydney Harbour) mise en œuvre dans le service de planification de NSW des années avant Google Maps lui-même, à l'adoption et à l'adaptation précoces de nombreux outils Open Source tels que PostGIS/PostgreSQL, MapServer, SVG et WebGL.

OpenEarth peut "ajouter de l'espace" à vos solutions alphanumériques existantes ou "ajouter de l'ouverture" à vos solutions spatiales existantes. Nous pouvons fournir des fonctions Open Source pour accéder à vos données locales ou distantes existantes, améliorer leur utilité en ajoutant des informations de localisation et un contexte spatial tels que l'adressage et la zone administrative (banlieues, codes postaux) et présenter les informations améliorées de plusieurs manières, y compris les résultats de l'analyse spatiale (À quelle distance. combien. où. ) des cartes interactives 2D et 3D, des graphiques commerciaux ou des images spatiales haute résolution adaptées à l'impression. Nous pouvons également prendre les données de votre SIG existant et les présenter à moindre coût et efficacement à un large public d'utilisateurs sans avoir besoin de gestion des utilisateurs et des licences.

Évaluation des systèmes spatiaux existants

O penEarth peut examiner vos systèmes spatiaux existants sans l'influence d'un fournisseur. Bien que nous facturions évidemment notre temps, les produits que nous proposons sont gratuits et omniprésents avec un excellent support mondial grâce à une base d'utilisateurs et de développement active.

Tout ce que nous développons pour vous est à vous afin que vous puissiez continuer à le modifier et à l'améliorer vous-même ou le transmettre à d'autres avec les mêmes compétences. Open Source signifie que vous n'êtes pas lié à une aide spécifique approuvée par le fournisseur.

  • Inventer les systèmes existants - produits, versions, compatibilités, coûts de licence, de formation et de support, etc.
  • Comprendre comment les différents composants sont utilisés. Sont-ils utilisés au maximum de leurs capacités ?
  • Identifier les lacunes et les doublons dans les systèmes
  • Proposer, le cas échéant, des outils et approches alternatifs ou complémentaires
  • Concevoir et documenter les éléments nécessaires pour apporter les améliorations
  • Rédaction et mise en œuvre des changements proposés
  • Hébergement des sites de développement et de test et, si nécessaire, hébergement des solutions finales ou des add-ons

Alors que les outils spatiaux Open Source sont parmi les plus puissants et les plus flexibles disponibles et s'améliorent constamment, il existe des cas où un système propriétaire existant "fonctionne juste" et est la meilleure solution pour une tâche spécifique. OpenEarth peut déterminer dans quelle mesure votre solution actuelle répond aux exigences du personnel, des clients et des autres utilisateurs. Nous pouvons suggérer des domaines spécifiques où une technologie alternative pourrait améliorer les choses en termes de performances, de flexibilité, d'évolutivité, d'utilisabilité, etc.

Conception de nouveaux systèmes

O penEarth a de nombreuses années d'expérience dans la conception et la mise en œuvre de solutions spatiales dans un large éventail de marchés, en particulier pour les télécommunications.

Nous pouvons consulter, concevoir, construire et héberger une solution pour répondre à vos exigences exactes en utilisant un ensemble convenu de composants.

Nous pouvons également intégrer de nouvelles fonctionnalités dans ou à côté des systèmes existants et remplacer les anciennes fonctions par des alternatives plus rapides, plus efficaces et plus ouvertes.

OpenEarth a produit des systèmes spatiaux complets du début à la fin pour les télécommunications, les sociétés de logiciels et la gestion de flotte de transport, entre autres commissions.

Approvisionnement spatial

Le volume, la qualité et la disponibilité des données spatiales augmentent de jour en jour. Chaque satellite, chaque réseau géographiquement réparti, crée de grands volumes de données précieuses et intéressantes. OpenEarth peut vous aider à rechercher, découvrir, évaluer et utiliser les bons ensembles de données pour répondre à vos besoins spécifiques.

Nous pouvons déterminer les meilleures options d'accès aux données en fonction de problèmes tels que la devise, l'exactitude et la précision, la volatilité et l'impact probable sur le réseau, puis mettre en œuvre les meilleures méthodes de stockage de données locales ou distantes, statiques ou dynamiques, de fichiers, de bases de données ou d'API. accéder.

Conception dynamique

D ynamic Design est une entreprise internationale, dont le siège est en Suisse, qui propose une gamme de solutions pour la gestion des réseaux, notamment sur le marché des télécoms.

Leurs produits sont entièrement basés sur une base de données d'outils propriétaires, un middleware, des outils spatiaux (SIG) et une interface utilisateur. Alors que ces outils étaient appropriés en 1993, lorsque la société a été fondée, et ont soutenu le développement au fil des ans, les problèmes sans cesse croissants des coûts de licence et des exigences de gestion la gestion des versions de plusieurs produits un manque de contrôle sur les modifications ou les améliorations apportées à ces composants essentiels et une clientèle internationale croissante signifiait que des alternatives plus faciles et plus simples étaient activement recherchées.

OpenEarth a fourni des conseils en matière de conception dynamique dans ses bureaux de Melbourne pour établir exactement ce qui pouvait être accompli avec des alternatives Open Source à leurs outils propriétaires existants. Après une certaine familiarisation initiale, OpenEarth a pu montrer comment la base de données spatiale, le serveur spatial, l'interface utilisateur et les outils d'importation et d'exportation de données pouvaient tous être remplacés ou complétés par des équivalents Open Sources. OpenEarth a également été en mesure de fournir des graphiques vectoriels de preuve de concept basés sur un navigateur en utilisant des bibliothèques graphiques Open Source essentiellement équivalentes et aussi fonctionnelles que celles de la solution de bureau Dynamic Design existante.

Le conseil a prouvé de manière concluante que les solutions spatiales Open Source pouvaient remplacer la plupart, sinon tous leurs outils propriétaires existants, et supprimer entièrement les problèmes de licence sur les systèmes des clients. Le support client en bénéficierait également car un contrôle total était disponible sur tous les composants de leur solution, ainsi que la communauté de support mondiale active et dynamique qui caractérise les meilleures solutions Open Source.

Il a montré qu'en adoptant des alternatives Open Source pour tout ou partie de ses outils externes, Dynamic Design serait en mesure de fournir ses solutions sans exigences de licence externes et tierces, ce qui rendrait la création de nouveaux clients considérablement plus facile et moins chère. De plus, en passant à une interface utilisateur basée sur un navigateur utilisant des bibliothèques graphiques Open Source, il est devenu réaliste d'envisager de fournir ses produits en tant que services fournis sur le Web. Parce que les solutions spatiales Open Source offraient aux développeurs Dynamic Design un accès complet aux sources, ils pouvaient également optimiser les outils eux-mêmes, permettant un meilleur contrôle et donc une meilleure expérience pour leurs utilisateurs.

Services de localisation de Virgin Mobile

O penEarth a été approché par une société australienne de télécommunications mobiles, Virgin Mobile, pour un problème spatial. Virgin souhaitait vendre une solution haut débit domestique Virgin Broadband à la maison qui utilisait leur réseau 4G existant et incluait un téléphone résidentiel avec un numéro de ligne fixe attribué.

Les conventions des services d'urgence de l'Australie exigeaient que chaque numéro de ligne terrestre (+61 x xxx xxxx) soit localisé dans l'espace et fourni à une base de données centralisée, la base de données intégrée des numéros publics (IPND) à partir de laquelle les opérateurs d'urgence dans tout le pays pourraient identifier automatiquement un emplacement simplement à partir de le numéro de téléphone à partir duquel un appel a été passé. Cela signifiait que le À la maison appareils devaient rester à l'emplacement fourni lors de l'achat des appareils et qu'un changement d'adresse ultérieur a été noté et la nouvelle adresse fournie à l'IPND. Le problème était que le À la maison les appareils étaient petits et portables et fonctionneraient n'importe où. Le défi consistait à identifier quand les appareils se déplaçaient en dehors de leur emplacement approuvé et à communiquer, aussi automatiquement que possible, avec les propriétaires d'appareils.

  • Accès aux systèmes Virgin Customer Management pour extraire une liste de nouveaux, modifiés et abandonnés À la maison dispositifs.
  • Utilisez l'adresse fournie pour géolocaliser l'emplacement autorisé de l'appareil pour des comparaisons ultérieures
  • Mise à jour de sa propre base de données spatiale Open Source, PostGIS/PostgreSQL afin que les détails des clients reflètent correctement la base de données clients de Virgin.
  • Utilisez chaque nuit l'API des services de localisation GSM de Virgin pour interroger l'emplacement de chaque À la maison dispositif.
  • Déterminez, à l'aide d'un ensemble flexible d'algorithmes, si l'emplacement de l'appareil se trouvait dans une zone désignée. Cela était basé sur la distance de l'appareil par rapport aux tours de téléphonie cellulaire, la précision de l'emplacement, l'historique des mouvements précédents de l'appareil, si l'emplacement de l'appareil traversait diverses limites administratives et un certain nombre d'autres facteurs contributifs.
  • Si l'appareil n'était pas à sa place, pour émettre des SMS et/ou des e-mails demandant que l'appareil soit renvoyé à son emplacement autorisé - une séquence de messages différents était envoyée selon que l'appareil était toujours à sa place.
  • Enfin, signalez les problèmes, si nécessaire, au service client de Virgin, à partir duquel le personnel a ensuite contacté les propriétaires de l'appareil.
  • Fournir un outil basé sur une carte au personnel de Virgin pour surveiller tous les appareils
  • Fournir divers rapports aux formats Excel, CSV et PDF à saisir dans d'autres services Virgin

Le système a été mis en œuvre avec succès et hébergé par OpenEarth. Il a fonctionné pendant environ cinq ans jusqu'à ce que le produit At Home soit remplacé par de nouvelles technologies qui permettent aux combinés de devenir des points de présence WiFi et l'utilisation de numéros de téléphone fixe n'est plus nécessaire.

Services de localisation Optus

Sur la base des précédents services fructueux fournis à Virgin Mobile, OpenEarth a développé un service similaire de localisation et de rapport d'appareils pour Optus Networks. Le système fournissait des fonctions complètes de surveillance et de rapport personnalisées selon le modèle client d'Optus.

Le système Optus remplissait une fonction similaire à celle développée pour Virgin, qui consistait à surveiller, contrôler et signaler les appareils qui étaient contractuellement tenus de rester dans des « zones d'accueil » désignées.

Services de localisation des revendeurs Optus

Sur la base des précédents services fructueux fournis à Virgin Mobile et à Optus, il a en outre été demandé à OpenEarth de développer et d'héberger un service personnalisable de localisation et de rapport d'appareils pour les revendeurs Optus Networks. Cela a permis de personnaliser le service pour répondre aux différents besoins de chacun des revendeurs Optus.

Le système a fourni des fonctions complètes de surveillance et de rapport personnalisées pour le modèle de chaque revendeur Optus. Le système remplissait une fonction similaire à celle développée pour d'autres produits, qui consistait à surveiller et à contrôler les dispositifs qui étaient contractuellement tenus de rester dans des « zones d'accueil » désignées.

Base de données sur la santé de Nangi

N angi (« voir » ou « regarder » dans la langue du peuple Ngunnawal de Canberrra) a été développé pour l'organisme de santé aborigène NACCHO afin de rassembler un large éventail d'informations sur les peuples aborigènes d'Australie afin de comprendre où ils ont été placés physiquement et d'identifier les ressources de santé à leur disposition.

OpenEarth a consulté, conçu, développé et hébergé le site Nangi, permettant aux organisations membres du NACCHO d'avoir une vue intégrée et centrée sur la carte de l'état de la santé des aborigènes australiens.

Utilisation de qualité des médicaments

Q MAX représente un facteur clé pour garantir de bons résultats pour la santé - assurer un régime de médicaments appropriés et opportuns. QUMAX aide les patients avec des médicaments complexes en utilisant un certain nombre de mesures simples ainsi qu'une surveillance et une mesure minutieuses.

Une mise à niveau importante du système QUMAX a été conçue et mise en œuvre par OpenEarth pour NACCHO, l'organisme national responsable de l'administration de QUMAX. Il prend en charge le développement de plans de travail couvrant les sept domaines clés QUMAX ainsi que deux rapports d'avancement chaque année qui garantissent que les plans de travail sont effectués.

Gestion cadastrale

OpenEarth a consulté le New South Wales Land Information Centre (LIC) pour concevoir un service permettant aux géomètres et aux développeurs de soumettre des plans et des relevés en ligne avec détection automatique des caractéristiques CAO et lecture des dessins dans une base de données spatiale.

Une partie du travail consistait en une évaluation de deux bases de données cadastrales (titre de propriété), l'une au LIS et l'autre à Sydney Water. L'analyse a mis en évidence des différences et des erreurs entre les deux cadastres, de sorte qu'une fusion réussie des deux cadastres a pu être mise en œuvre.

Le système Panorama a démontré un flux de travail complet de développement de nouvelles propriétés, de l'acceptation des dessins CAO à l'incorporation dans les couches de bases de données spatiales provisoires et à la publication des nouvelles versions de données dans des formulaires pouvant être utilisés pour mettre à jour les actifs liés au cadastre (décalage cadastral).

Cadre national de gestion des adresses

OpenEarth a fourni des conseils à l'Australian New Zealand Land Information Council (ANZLIC) pour examiner tous les aspects de l'adressage en Australie, interviewer des participants clés et fournir trois livrables :

Un modèle de données d'adresse standard.
Un format de transfert d'adresse standard.
Une interface de services Web d'adresse standard.

OpenEarth a effectué des recherches et mené des entretiens pour les trois livrables, mais a été principalement impliqué dans la conception, la mise en œuvre et la documentation de l'interface des services Web qui fournissait un accès API aux services d'adresses conformes au NAMF.

Services de santé contrôlés par la communauté autochtone

Il existe environ 150 ACCHS à travers l'Australie qui fournissent des soins de santé primaires aux Australiens autochtones. OpenEarth a développé un outil personnalisé pour permettre la collecte, l'analyse et la communication d'informations sur ces organisations et sur les communautés au sein desquelles leurs services étaient offerts. Les emplacements des sites de l'ACCHS eux-mêmes ainsi que les emplacements des postes extérieurs et des cliniques ont été cartographiés afin que leurs bassins de population potentiels puissent être estimés et signalés afin d'aider à planifier les besoins futurs.

L'outil ACCHS a rassemblé une grande quantité de données précédemment dispersées et a ainsi aidé les organisations à mieux comprendre leurs domaines de responsabilité (local, régional, étatique et national) et ainsi à améliorer la coordination de leurs efforts, entraînant des économies significatives en temps et en ressources. .

CarteChat

M apChat est un service simple qui permet à plusieurs visionneuses de cartes d'être coordonnées sur le Web afin qu'une conversation enrichie et informée puisse avoir lieu sur des emplacements particuliers. Comme MapChat est toujours en développement, le meilleur moyen de montrer ses premières capacités est de visionner la courte vidéo (6 minutes) ci-dessous. Le mécanisme de communication entre les clients Map est très rapide avec une surcharge minimale. Dans la vidéo, les messages entre les différentes pages du navigateur (à Christchurch NZ) sont transmis via un serveur à Melbourne, en Australie.

Il existe de nombreux cas d'utilisation possibles pour une fonction de collaboration cartographique telle que MapChat. OpenEarth souhaite toujours savoir comment les technologies sous-jacentes peuvent être utilisées pour résoudre d'autres problèmes d'utilisateurs.

Si vous souhaitez essayer l'outil MapChat actuel, en supposant que le serveur est en cours d'exécution, vous pouvez accéder au client ici. Il est préférable d'utiliser le client Google Maps pour le moment, car les autres clients ont des quantités variables de fonctionnalités. Le client Cesium 3D permet une navigation en trois dimensions mais n'a pas encore les fonctions de dessin activées.

Publication spatiale

Bien que la création et l'analyse de données spatiales soient généralement une tâche spécialisée, les résultats de ces activités doivent être facilement accessibles à un large éventail d'utilisateurs avec la possibilité d'utiliser les résultats à leur manière. Généralement, un petit nombre de processus analytiques génèrent des données auxquelles un plus grand nombre d'utilisateurs souhaitent accéder.

OpenEarth peut fournir des services personnalisés qui « publient » les résultats à l'aide d'outils Open Source qui ne nécessitent aucune licence et peuvent être librement mis à l'échelle pour répondre aux demandes des utilisateurs.

Images intelligentes

Les mages I sont un excellent moyen de transmettre des informations et sont utilisés sur le Web. Mais ils sont juste des images - des tableaux de points colorés. Ainsi, fournir des informations supplémentaires sur ce que représente l'image nécessite un travail supplémentaire considérable.

Mais et si l'image elle-même pouvait fournir cette autre information ? C'est le problème que Smart Images résout. Les images intelligentes sont des images ordinaires à tous points de vue, mais elles ont un contenu supplémentaire qui peut être utilisé pour rendre l'image interactive et Intelligent

Pour mieux comprendre comment Smart Images peut être utilisé, veuillez sélectionner parmi ces courtes présentations vidéo qui illustrent certaines utilisations de SmartImages.

Nouvelle-Zélande spatiale

J'imagine un outil simple qui permet aux gens de toute la Nouvelle-Zélande de coopérer dans l'espace. Nous entendons par là un ensemble de fonctions spatiales qui peuvent être reliées entre elles de diverses manières afin que chaque participant puisse voir et interagir avec ce que font les autres. Des systèmes spatiaux qui coopèrent entre eux et avec plusieurs sources de données pour former un système virtuel unique que tout le monde peut utiliser. L'idée est similaire au MMORPG - un acronyme du monde des jeux vidéo signifiant "Jeu de rôle en ligne massivement multijoueur"

Spatial New Zealand est l'idée de créer une suite intégrée et personnalisée d'outils spatiaux utilisant les meilleurs produits open source, puis de les intégrer à une couche de connectivité afin qu'ils forment un modèle unique et cohérent de l'ensemble du pays, un modèle qui peut être considérée initialement comme la carte interactive familière que tout le monde connaît, mais peut éventuellement devenir une expérience immersive continue de réalité virtuelle et/ou de réalité augmentée.


Modèles à base d'agents pour l'épidémiologie des maladies infectieuses

Les modèles à base d'agents (ABM) sont un type de simulation informatique composé d'agents qui peuvent interagir les uns avec les autres et avec un environnement. Un agent peut être n'importe quoi, d'un individu à une organisation ou un organisme, tel qu'un État-nation. Les actions des agents sont régies par un ensemble de règles codées. A chaque pas de temps, un agent décide ce qu'il va faire : les actions peuvent être aussi simples que de définir dans quelle direction un agent se déplacera sur la base d'une perception simulée ou, les actions peuvent être plus compliquées comme rechercher des agents avec certaines caractéristiques dans un rayon donné et interagissant socialement avec eux [2]. Les ABM peuvent capturer des phénomènes agrégés inattendus résultant de comportements individuels combinés dans un modèle [3]. Bien que les modèles basés sur les agents existent depuis un certain temps, l'un des premiers modèles publiés étant apparu en 1971, ce n'est qu'à la fin des années 1990 qu'ils ont commencé à gagner en popularité dans les sciences sociales. Cela était principalement dû à l'introduction de plates-formes telles que Netlogo, Swarm et Repast, conçues pour permettre aux programmeurs non informatiques de créer et de comprendre des guichets automatiques. Au fur et à mesure que les plates-formes s'améliorent et que la puissance de calcul augmente, les ABM sont de plus en plus appliqués [4].

Les ABM deviennent populaires dans l'épidémiologie des maladies infectieuses, car les modèles peuvent capturer la dynamique de propagation de la maladie combinée au mélange hétérogène et aux réseaux sociaux d'agents [5]. Pour modéliser de manière réaliste une épidémie et pour être utile dans un scénario du monde réel, un ABM doit modéliser les caractéristiques d'une maladie (telles que les taux d'infection), ainsi que les caractéristiques des agents et de leur environnement, le tout à un niveau de détail approprié [ 6].

Une façon de catégoriser les MAB utilisés pour la modélisation des maladies infectieuses consiste à distinguer ceux qui utilisent des données et ceux qui n'en utilisent pas. Il est possible de saisir la dynamique d'un système, comme la propagation d'une maladie infectieuse, sans utiliser de données. Par exemple, le modèle Dunham [7] n'utilise aucune donnée pour configurer leur population ou exécuter le modèle. Cependant, pour la modélisation des maladies infectieuses, un ABM qui n'utilise pas de données présente un inconvénient en ce qui concerne l'applicabilité. Bien que le modèle puisse être utilisé pour mieux comprendre la dynamique générale d'une maladie, de nombreux facteurs affectent une épidémie, notamment les caractéristiques de la population et de l'environnement. Il serait impossible de saisir les effets que ceux-ci auraient sur l'épidémie sans les données pour les créer. De nombreux modèles, tels que Rakowski et al. [8] et Crooks et Hailegiorgis [9], utilisent des sources de données pour mettre en place leur modèle. Rakowski et al. [8] utilisent à la fois les données du recensement polonais et les données landscan (https://web.ornl.gov/sci/landscan/), qui sont un ensemble de données sur la distribution de la population mondiale, pour créer leur simulation de la grippe. Crooks et Hailegiorgis [9] utilisent des données d'un camp de réfugiés et des données d'élévation SIG pour un modèle sur la propagation du choléra. Étant donné que les deux modèles utilisent des données, les résultats peuvent être directement appliqués à une population réelle et peuvent aider à influencer les politiques futures.

Les MAB des maladies infectieuses peuvent être classés en modèles créés pour simuler une maladie spécifique ou une épidémie spécifique et en modèles créés pour simuler la dynamique générale de la maladie [6]. Il existe de nombreux ABM qui se concentrent sur des souches spécifiques de grippe telles que H1N1 [10] ou H5N1 [11], ou traitent la grippe en général [8]. D'autres modèles basés sur des agents ont été basés sur des épidémies spécifiques, par exemple le modèle de Merler et al. [12] qui simule l'épidémie d'Ebola au Libéria. Non seulement ce modèle inclut des détails sur la façon dont Ebola se propage, comme le contact lors des funérailles, mais le modèle est spécifique au Libéria, y compris le nombre de lits d'hôpitaux qui ont été utilisés pour les patients Ebola au cours de l'épidémie [12]. Des ABM spécifiques ont également été créés pour déterminer les effets des mandats gouvernementaux sur la propagation du virus H1N1 au Mexique [10] et comment les programmes de vaccination affectent le taux d'incidence du virus du papillome humain (VPH) au Danemark [13].

Des cadres de modélisation peuvent être utilisés pour étudier la dynamique de la maladie, par exemple les modèles de Duan et al. [14] et Dunham [7]. Ces cadres supplémentaires sont couramment utilisés pour influencer les politiques publiques. Par exemple, FRED (A Framework for Reconstructing Epidemiological Dynamics) est un système de modélisation à base d'agents utilisé pour soutenir la recherche sur la dynamique des maladies infectieuses, en particulier pour les responsables de la santé publique des États et des comtés afin d'évaluer les effets des interventions [15].

Afin de créer les modèles décrits dans cet article, différents types de données sont nécessaires, notamment les statistiques démographiques, les données SIG, les emplacements des écoles et des lieux de travail et les données de vaccination. La majorité des données utilisées proviennent du Central Statistics Office (CSO) d'Irlande [16], mais d'autres sources sont également utilisées. Les sections suivantes décrivent les sources des données utilisées dans le modèle.

Statistiques démographiques

Population statistics are used within the model to create a realistic population of agents. Real data is used to determine the age and gender breakdowns of our populations along with correct distribution of household size and other household characteristics such as child age. The CSO provides a wealth of open access data. The data is taken from the results of the Irish census which occurs every five years. The data used for our model is from the 2011 Irish census, data from the 2016 census has recently been made available, however the 2011 data is more suitable for the outbreak we attempt to simulate as it occurred in 2012. The census data is organized into fifteen different themes each with a set of tables containing information on the population of Ireland under that theme. The themes are described in Table 1. The themes used to create the model are theme 1, theme 4, theme 5 and theme 8.

Data can be downloaded at multiple geographic levels, the lowest being the small area [16]. Small areas are areas of population that contain between 50 and 200 dwellings. We base our simulations on data at the small area level. The CSO make available a data set (delivered in csv format) for all small areas in Ireland containing data for each table within each theme. When simulating a specific town the small areas related to that town and the necessary tables can be selected from the data set. The small area boundary file discussed in the next section provides a mapping between small areas and towns. Table 2 contains the information on the different CSO tables that were used to create the simulation.

Données SIG

Various sources of GIS data are used in our models. GIS data not only gives us the town boundaries but also residential, commercial and recreational areas within the town that help to define where the agents live, work, and travel.

The CSO provides access to boundary files from the 2011 census. The files contain the boundaries at different levels including provinces, counties, electoral divisions, towns and small areas [16]. The data set downloaded from the CSO website contained small area information for all of Ireland: the QGIS [18] software was used to select only the small areas that overlapped with the town being simulated so the data could be loaded into Netlogo. The small area boundaries do not always match town boundaries, thus the small area data set could potentially cover more area than the town being simulated.

Zoning data is taken from two sources: Open Street Maps [19] and Myplan.ie [20]. Myplan.ie gives the shape files that include local area development plans. While Open Street Maps provides land use data. The land use data is a shape file that provides information on if the land is used for residential, commercial, retail or industrial purposes. The data set can also provide more detailed information such as if the land is used for religious purposes, sports pitches, cemeteries or reservoirs. Neither source is comprehensive and there are some areas in the towns for which zoning data is not available. The different zoning and land use types are sorted into six categories: open, town center, community, residential, commercial and mixed.

School locations

In order to determine both the number of schools in a town and their locations we use data from the Department of Education and Skills in Ireland. They provide data on individual schools, including enrollment and type of school (primary or secondary) [21]. The data set includes the longitude and latitude of the schools. These are then geocoded in QGIS [18] in order to create a GIS shape file that can be combined with the town boundary and land use shape files and loaded into Netlogo.

Vaccination data

Vaccination statistics are used to determine the number of agents in our model who have been vaccinated and thus are immune to the disease. Vaccination statistics for Ireland can be found on the childhood vaccination schedule. Statistics are presented for Ireland as a whole and broken up into Health Service Executive (HSE) regions. Vaccination uptake statistics for the whole of Ireland and by HSE region are available on Ireland’s Health Protection Surveillance centre website going back to 1999 [22]. The Organisation for Economic Co-operation and Development (OECD) reports vaccination rates for Ireland back to 1983 [23]. When initiating the model the choice of all Ireland vaccination rates or vaccination rates for a specific HSE region based on the town being modelled must be made. Further discussion of how vaccination rates are used to in the model can be found in the “Society” section.


On the nexus between landslide susceptibility and transport infrastructure – an agent-based approach

Road networks are complex interconnected systems. Any sudden disruption can result in debilitating impacts on human life or the economy. In particular, road systems in mountain areas are highly vulnerable, because they often do not feature redundant elements at comparable efficiencies.

This paper addresses the impacts of network interruptions caused by landslide events on the (rural) road network system in Vorarlberg, Austria.

Based on a landslide susceptibility map we demonstrate the performance of agent-based traffic modelling using disaggregated agent data. This allows us to gain comprehensive insights into the impacts of road network interruptions on the mobility behaviour of affected people. Choosing an agent-based activity-chain model enables us to integrate the individual behavioural decision-making processes into the traffic flow model. The detailed representation of individual agents in the transport model allows optimisation of certain characteristics of agents and including their social learning effects into the system.

Depending on the location of the interruption, our findings reveal median deviation times ranging between several minutes and more than half an hour, with effects being more severe for employed people than for unemployed individuals.

Moreover, results show the benefits of using agent-based traffic modelling for assessing the impacts of road network interruptions on rural communities by providing insights into the characteristics of the population affected, as well as the effects on daily routines in terms of detour costs. This allows hazard managers and policymakers to increase the resilience of rural road network systems in remote areas.

Infrastructure networks and related assets support the delivery of essential goods and services to society (European Commission, 2017 Mejuto, 2017 Gutiérrez and Urbano, 1996) . In particular, the functionality of socio-economic systems in modern communities heavily depends on extensive, interconnected transport networks because any disruption may cause rippling effects, eventually entailing instability of other critical infrastructure – both domestically and beyond (Bíl et al., 2015 Jaiswal et al., 2010) . The main challenges are negative socio-economic consequences (high direct and indirect losses) to societies as a result of hazard events (Bordoni et al., 2018 Rheinberger et al., 2017 Pfurtscheller and Vetter, 2015 Kellermann et al., 2015 Pachauri and Meyer, 2014 Schweikert et al., 2014 Pfurtscheller, 2014 Meyer et al., 2013 Pfurtscheller and Thieken, 2013 Nemry and Demirel, 2012 Taylor and Susilawati, 2012 Rheinberger, 2011 Jenelius, 2009 Koetse and Rietveld, 2009) .

The impacts caused by severe weather events and associated hazards underline the importance of resilient and reliable transportation infrastructure (Eidsvig et al., 2017) , especially in complex landscapes such as the European Alps where the topography impedes redundancies and alternative routing. Failure and disruption of transport infrastructure can therefore affect a broader environment due to cascading effects which result from the dependence of economies, institutions and societies on such networks (Kellermann et al., 2015 Doll et al., 2014 Keller and Atzl, 2014 Pfurtscheller, 2014 Meyer et al., 2013 Kappes et al., 2012) . This is especially true under severe weather conditions triggering disasters, because reliable networks are crucial for emergency response to avert further damage, save lives and mitigate economic losses. Network reliability in this context is defined to comprise network availability and network safety. Non-reliable transportation networks and the associated overall societal loss introduced by destructive incidents considerably exceeds the mere physical damage to such infrastructure. Apart from an impairment of roads – which results in maintenance and reconstruction efforts to be carried out by road operators (cf. Donnini et al., 2017) – secondary effects such as intangible and indirect costs of damage to infrastructure networks have to be considered in a broader economic context and lead to considerable vulnerability of societies affected (Klose et al., 2015 Pfurtscheller and Thieken, 2013 Meyer et al., 2013 Fuchs et al., 2011 Fuchs, 2009) . Consequently the assessment of transport network systems has gained relevance in academia as well as the policy agenda of authorities across all scales (Pant et al., 2018 Unterrader et al., 2018 Bíl et al., 2017 Pregnolato et al., 2017 Winter et al., 2016 Rupi et al., 2015 Jenelius, 2009 Taylor et al., 2006 Zischg et al., 2005a, b D'Este and Taylor, 2003 Berdica, 2002) .

Since no context-free definition of road network vulnerability exists, the respective methodological approaches (even if highly sophisticated) remain fragmentary and repeatedly tailored to individual settings (Bagloee et al., 2017 Eidsvig et al., 2017 Mattsson and Jenelius, 2015 Rupi et al., 2015 Fuchs et al., 2013) .

Berdica (2002, p. 119), for example, suggested that network vulnerability should be understood as “susceptibility to incidents that can result in considerable reductions in road network serviceability”. This includes a focus of assessment on the most critical hotspots (links or nodes) within a current network system, where the highest socio-economic impact can be observed, which – according to other scholars – equals exposure (Unterrader et al., 2018 Khademi et al., 2015 Jenelius et al., 2006) . On the other hand, Taylor et al. (2006) understood network vulnerability as a concept close to network weakness and thus as the consequence of failure to provide sufficient capacity for the original purpose of the system, that being to transfer people and goods from point A to point B. This already shows the close connection of network vulnerability to other terms, such as accessibility, remoteness or robustness, which is linked to the idea of network performance (Yin et al., 2016 Taylor et al., 2006 D'Este and Taylor, 2003) . In sum, the idea behind vulnerability is a decline in the original capacity to handle the network flow based on disruption (Yin and Xu, 2010) . Nevertheless, in the literature two main directions within network vulnerability assessment can be distinguished: (1) topological vulnerability analysis, which includes the assessment of real transport network systems (represented in an abstract network) and (2) system-based vulnerability analysis, which focuses on the structure of the network within supply and demand models (Mattsson and Jenelius, 2015) . In the context of the present paper, we understand vulnerability as the assessment of the disruptive impact based on a certain event (incident) which causes a malfunction or breakdown in the current road network system (Postance et al., 2017 Pregnolato et al., 2017 Klose et al., 2015 Mattsson and Jenelius, 2015) . The potential disruption may span from natural hazard events to terrorist attacks, infrastructure collapses or ordinary traffic accidents (Bagloee et al., 2017 Unterrader et al., 2018 Vera Valero et al., 2016 Mattsson and Jenelius, 2015 Koetse and Rietveld, 2009 Zischg et al., 2005b Margreth et al., 2003) . Depending on the threat, the potential consequence can be additional travel time from some minutes to total cut-offs of several days of a community (Rupi et al., 2015 Taylor and Susilawati, 2012 Jenelius, 2009 Zischg et al., 2005b) . Therefore, a central goal of vulnerability assessment is the identification of the critical links within the current network system that are highly susceptible to such disruptions (Gauthier et al., 2018 Jenelius et al., 2006 Berdica, 2002) . In contrast to the ongoing vulnerability debates in natural hazard and risk management of buildings (see for example Papathoma-Köhle et al., 2017 Fuchs et al., 2011 or Fuchs, 2009 ), however, network vulnerability usually does not account for any probability of disruption within the assessment (Rupi et al., 2015) .

Two main methodological approaches on how to assess road vulnerability exist (Mattsson and Jenelius, 2015 Hackl et al., 2018) . The first is a topological one which focuses on characteristics of the road network's links. It is based on graph theory, which is widely used in various disciplines, such as computer science, physics, sociology and transportation (Heckmann et al., 2015 Phillips et al., 2015) , with the aim to assess and understand networks and their individual properties (Slingerland, 1981) . Using graph theory in vulnerability assessments of road networks generally means focussing on specific graph edges (links) and nodes, their criticality or redundancy to reflect resilience and interdependencies between parts of the network, as well as potential cascading effects (Pant et al., 2016 Rupi et al., 2015 Tacnet et al., 2013 Jenelius et al., 2006 Meyer et al., 2013) . This approach, however, is limited by the reduction in connectivity within a network, therefore not including the behavioural aspects of transport network users.

A second group of models bridge this gap by considering link properties and traffic demands on the links of traffic networks. The network loads, together with appropriate traffic dynamics that result in alterations of network properties, which gives rise to various stress response effects that can also be observed in real-world traffic. These models differ with respect to the chosen granularity and can be divided into macro-, meso- and microscopic models (Treiber and Kesting, 2013 Hoogendoorn and Bovy, 2001) .

Macroscopic traffic models stem from the concept of flow theory and consider aggregate continuous flow densities of anonymous users on the network. They can be applied to find equilibrium loading states within these networks, as well as to describe dynamic effects within the flow continuum. Their application usually requires solving systems of coupled equations. In contrast, the fine-grained microscopic traffic models consider each transportation network user an individual entity (an agent, i.e. vehicle or pedestrian) with separate interaction details and decisions. These models are implemented as simulation frameworks, iterating the entire network evolution over time steps. Thus, individual entities (agents) retain their specific characteristics throughout the traversal of the network and therefore can react to different circumstances based on these characteristics. Mesoscopic traffic models are hybrids between macro- and microscopic models. They are less fine grained and borrow some characteristics from both approaches, offering a description that is less detailed in time or space, but also less demanding regarding the computational requirements. Depending on the implementation, micro- and mesoscopic models can be “agent-based”, thus retaining the individuality of their agents throughout the model evolution. A more detailed conceptual distinction of agent-based models regards the scheduling of mobility demands. Simpler approaches define individual (or multiple unrelated) trips between origin and destination pairs (“trip-based”), whereas more recent frameworks allow the expression of agent activity plans or chains (“activity-based”) to be fulfilled by adaptively traversing the transportation networks of the simulation.

The change between levels of granularity in the description of model entities is referred to as (dis-)aggregation for (increasing) decreasing detail.

With the modelling discrimination provided above, the approaches of the second group of road vulnerability assessment methods allow the effects of landslide events to be explored on a given population and its subgroups with respect to their mobility requirements. The main drawbacks of aggregated (macroscopic) traffic models in that context include (1) loss of population individuality therefore (2) a lack of behavioural alterations and co-dependent learning effects of individuals (3) more time-averaging aspects, prohibiting re-decisions based on incidents (4) more space-averaging aspects, prohibiting investigation of localised events without rebuilding the overall model (e.g. new zoning structure) (5) connection to unavailable consequences of precise socio-demographic measures (6) trip-based macroscopic models, considering individual journeys instead of whole day-plans and (7) macroscopic models that are adaptable to the increasing level of detail available through continuously improving data by layering of multiple models. Choosing an agent-based activity chain model, which integrates the dynamic aspects of each agent, can overcome these limitations. The vulnerability assessment utilising activity chain traffic modelling allows simulations that integrate multiple phenomena to understand the dynamic interactions of human behaviour and the environment in the sense of consequences for households or wider socio-economic systems.

The focus of this paper is on landslide hazards, which repeatedly jeopardise the integrity of road infrastructure by causing structural damage and interruptions (Postance et al., 2017 Klose et al., 2015 Bíl et al., 2014) . In the Austrian Alps, 1444 damaging events to rural roads were recorded in the provinces of Salzburg (2007–2010) and Styria (2008–2011), and debris flows and landslides caused nearly 50 % of the recorded damage costs (König et al., 2014b) . The prevailing hazard potential caused by landslides is aggravated by findings of several other recent studies which have shown that landslide activity and thus related damage will most probably increase with progressing climate change (Schlögl and Matulla, 2018 Gariano and Guzzetti, 2016 Bíl et al., 2015 Klose et al., 2015 Strauch et al., 2015 König et al., 2014a Keiler et al., 2010) . Similar results are available from other mountain regions (e.g. Postance et al., 2017 Unterrader et al., 2018 Meyer et al., 2015 Fuchs et al., 2013).

So far, most studies have mainly focused on primary road networks (Postance et al., 2017 Taylor et al., 2006) and urban areas (Gauthier et al., 2018) , while federal and local road networks have been largely neglected. Mountain roads, in contrast to lowland roads, are highly vulnerable due a higher probability of climate-driven hazard events and the inherent obstacles of implementing redundant systems (Schlögl and Matulla, 2018 Matulla et al., 2017 Schlögl and Laaha, 2017 Doll et al., 2014 Eisenack et al., 2011) . Consequently, misleadingly termed “forgotten road systems”, local road networks in fact connect rural communities in various ways – from supply reliability over public health and tourism to all sorts of economy. Furthermore, issues mostly on technical realisation of mitigation and road maintenance have been addressed, rather than socio-demographic impacts on communities or exposed societies (Mattsson and Jenelius, 2015) . This paper partly contributes to closing the gap by including the full road network system. In particular, the relation between infrastructure and communal development in mountain areas is not one-directional, meaning that it is only the former that can impact the latter instead, the influence is two-way (Jaafari et al., 2015) .

The presented approach is complementary to previous studies because of the consideration of whole-day travel plans (as opposed to a focus on peak traffic flow periods on the investigated network), with these plans stemming from the underlying agents' activity chain model. This schedule of activities, which is far less dependent on fixed locations, allows for a more inclusive and flexible reassignment of mobility needs and resulting traffic demands. Therefore, integrating transport route finding and satisfaction of individual activity needs in one single simulation framework facilitates a more detailed and realistic representation of traffic loads on the network. We demonstrate an appropriate methodological response to foreseeable demands imposed by the increasing detail of available mobility data, which brings about particular relevance of this approach for future applications.

The applicability of the approach is demonstrated by the example of Vorarlberg, the westernmost province of Austria (Fig. 1). While being the second-smallest federal state, the population density of Vorarlberg is only surpassed by Austria's capital, Vienna, which indicates the need for a resilient transport network. The main traffic artery in this almost completely mountainous area is the connection from Germany to western Austria, via the Rhine Valley, Walgau, Klostertal and the Arlberg massif. Apart from this link, which is realised as a motorway (A14 and S16), rural roads prevail in the complexly structured topography of Vorarlberg. Because Vorarlberg is almost entirely surrounded by mountain areas and considerable exposure to extremely high rainfall (with average annual precipitation totals exceeding 2000 mm), the transport system of Vorarlberg is highly exposed to landslides. The combination of (i) being characterised by high landslide susceptibility, (ii) exhibiting a high population density and (iii) lacking alternative routes on the rural network due to the mountain orography makes Vorarlberg a perfect case study.

Methodologically the approach presented in this paper is divided into two modelling sections:


Voir la vidéo: Быстро и просто выгружаем данные OSM с помощью QGIS. Создаем SHP файлы зданий, улиц, реки, парков. (Octobre 2021).