Numeri civici Open Data in Italia: disponibile la release 3.0 della raccolta

27 settembre 2015 14 commenti

A febbraio 2015 ho pubblicato la seconda versione della raccolta di quelli che sono i numeri civici georiferiti open data disponibili nel panorama italiano.

E’ giunta quindi l’ora di un ulteriore aggiornamento, per cui ora è rendo disponibile la release 3.0 della raccolta stessa.

La raccolta è resa disponibile con licenza CC0 1.0 Universal: ovviamente per i singoli dataset restano valide le licenze originali che sono riportate nella raccolta stessa.

Con questo aggiornamento siamo arrivati a 188 dataset diversi : ci sono aree ancora completamente vuote, intere regioni in cui mancano dati, regioni per cui vi sono dati ridondanti, ecc … ma i numeri stanno crescendo

Ecco quali sono “release notes” di questa versione della raccolta:

  • verificati, per tutti i dataset già esistenti, i link di pubblicazione e download: nel tempo alcuni erano stati cambiati dagli Enti
  • verificate tutte le licenze d’uso: anche qui vi sono casi in cui le licenze sono state modificate
  • aggiunti nuovi dataset, in particolare:
    • Comune di Storo
    • Provincia Autonoma di Bolzano
    • Regione Piemonte
    • Regione Lombardia

La percentuale dei numeri civici resi disponibili come tali, e non “derivati” da altri tematismi,  sale dal 10% al 25 % sul totale delle informazioni raccolte e quindi un buon risultato in termini di crescita  (la prima versione vedeva una percentuale del 5%)

DistribuzioneCivici-V03

Come consueto i dati sono consultabili via web grazie ad un piccolo esempio in web mapping basato su HTML, Javascript e Leaflet.

CiviciItalia2

I dati sono anche resi consultabili, da un punto di vista geografico, usando il software open source QGIS:

A differenza delle versioni precedenti della raccolta, viste le dimensioni raggiunte, non mi è più stato possibile rendere disponibile anche i dati in formato ESRI shapefile insieme al progetto QGIS di consultazione. Resta comunque possibile, per chi interessato, poter scaricare i singoli dataset in formato ESRI shapefile e convertiti un WGS84 utilizzando i link di download resi disponibili all’interno del file della raccolta stessa

Ricordo una breve nota tecnica: per rendere operativo lo sfondo OpenStreetMap è necessario che, qualora si operi su una rete locale, si verifichi la corretta configurazione del proxy, e che, nel QGIS utilizzato, sia presente ed attivo il plugin OpenLayers.

I progetti QGIS sono stati realizzati con la versione 2.6.1 (Brigthon).

Segnalazioni di dati mancanti per aggiornare la raccolta sono particolarmente gradite …. grazie sin da ora!

Ops …. io e la mia vecchia bici siamo finiti sul sito di Mapillary

11 settembre 2015 2 commenti

Oggi il mio post su come farsi il proprio StreetView con Mapillary è stato ripreso nella sezione Community di Mapillary ….

MapillaryCommunityMember

Un minimo di soddisfazione ed orgoglio non lo nego … 🙂

 

Categorie:Open Data, Progetti Tag:

GFOSS DAY 2015 a Lecco il 28-29 Settembre 2015


Il GFOSS DAY 2015 si terrà a Lecco il 28-29 Settembre 2015

Il GFOSS DAY è un evento promosso dall’Associazione Italiana per l’Informazione Geografica Libera (GFOSS.it) della durata di due giorni, durante il quale vengono presentati i migliori lavori sull’utilizzo, lo sviluppo e la diffusione delle applicazioni libere e a codice aperto (Free and Open Source Software) in ambito GIS.

Vengono inoltre trattati argomenti sui dati aperti (Open Data) geografici. Durante la conferenza ci sarà anche la possibilità di conoscere nuovi software attraverso workshop, tenuti dai più importanti contributori italiani al software libero geografico. Lo scopo principale della manifestazione, giunta quest’anno alla settima edizione, è quello di coinvolgere imprese, enti pubblici, scuole, università, centri di ricerca, sviluppatori, cittadini, operatori del settore ed appassionati ai temi del software libero geografico e degli open data.

Il 25 Settembre si sarà la chiusura delle registrazioni!!

Per i contatti info@gfoss.it

Categorie:Conferenze Tag:

Una vecchia bici (da donna …), un tablet (in prestito …), un pò di tempo ed ecco come farsi lo StreetView del proprio Comune

30 agosto 2015 7 commenti

Quanti di voi già conoscono Mapillary? Quanti lo hanno già usato? Quanti vi hanno già contribuito? Se le risposte sono, “no”, “no” e “no” allora vi suggerisco di fare prima un giro informativo sul sito ufficiale del progetto, poi di tornare qui per capire come potete realizzare lo street view del vostro comune, quartiere, zona di interesse, ecc …

Citando Wikipedia riporto …. “… Mapillary (mapillary.com) è un servizio per condividere foto georeferenziate sviluppato da una startup, con sede a Malmö, Svezia. I suoi ideatori vogliono rappresentare il mondo intero (non solo le strade) con delle foto. Ritengono che per coprire tutti i posti interessanti nel mondo siano necessari un progetto crowd-sourced indipendente e un approccio sistematico alla copertura di aree interessanti. I servizi come Google, che utilizzano auto equipaggiate con speciali fotocamere, non riusciranno a coprire il mondo con dettaglio sufficiente. Secondo loro, la conoscenza locale è quasi imbattibile, e solo gli abitanti sanno cosa veramente sia importante quando si scatta una foto. Sono interessati alla copertura di qualunque posto all’aperto, e possono contribuiere a un sistema che rappresenta il mondo con un alto livello di dettaglio. La maggior parte della elaborazione di immagine è fatta lato server usando tecnologie Big data e di visione artificiale, rendendo la raccolta dei dati estremamente semplice per l’utente. Pertanto, Mapillary migliora con ciascuna nuova foto, perchè ogni nuova foto è messa in relazione con tutte le foto esistenti nel suo intorno. ……. I contributori possono installare la app Mapillary su smartphone Android o iPhone, sono noti casi di successo persino su dispositivi Kindle App Store, Jolla e Blackberry che possono eseguire app Android. Dopo la registrazione, l’utente può cominciare a scattare foto ….

Quindi in sostanza Mapillary è:

  • un sistema crowd-sourced per raccogliere fotografie georiferite nel mondo e realizzare un’alternativa al prodotto Street View di Google
  • un’app di semplice utilizzo con cui fare fotografie, o serie di fotografie, delle zone di interesse

Le immagini su Mapillary possono essere usate secondo la licenza internazionale Creative Commons Attribution-ShareAlike 4.0 (CC-BY-SA). Un permesso speciale è concesso per derivare dati dalle foto per contribuire ad OpenStreetMap. Le tracce GPX possono essere usate senza restrizioni. La licenza è stata cambiata il 29 aprile 2014 da CC-BY-NC a CC-BY-SA.

Il sistema di stà rapidamente diffondendo in giro per il mondo …

Mapillary-world

…. sicuramente in evidenza l’Europa, in particolare dalla Germania andando verso nord ….


mapillary-europe

mentre in Italia è ancora poco presente ed in modo non strutturato.

mapillary-italy

Tuttavia è un sistema che, con davvero poco sforzo e praticamente senza necessità di nessun background tecnico (ad esempio è molto più semplice che non mappare su OpenStreetMap con ID o con JOSM ….), permette di produrre risultati interessanti ed immediatamente visibili, anche perchè i tools che Mapillary stà pian piano mettendo a disposizione (o ha in sviluppo ….), stanno migliorando ed aumentando così come pure la disponibilità di API ne permette un uso anche a terzi (canale ancora poco utilizzato a dire la verità, forse legato al fatto che deve aumentare la disponibilità di zone completamente e ben mappate).

Nella sostanza è sufficiente saper fare delle foto usando uno smartphone / tablet ed usare qualche piccola accortezza: la app di Mapillary permette di fare foto “singole” o “sequenze” (queste si possono catturare ogni 2 secondi camminando, andando in bicicletta, andando in auto, ovviamente in questi ultimi due casi è necessario fissare in un qualche modo il dispositivo ….).

Terminata la sessione di mapping, è possibile rivedere le fotografie, elminare quelle venute male e provvedere all’upload sul server: dopo qualche ora le vostre fotografie sono già disponibili ….. a chiunque!!

Mapillary fà in realtà molto di più ma non mi dilungo sui dettagli e, come detto in precedenza, vi rimando al sito.

Partendo da questi presupposti ho provato a vedere cose riuscivo a fare nel mio piccolo comune cosa che, per chi interessato, può tranquillamente replicare per la propria area di interesse.

Ecco cosa ho utilizzato:

  • una vecchia bici da donna
  • un tablet (in prestito, nello specifico un IPAD Mini …)
  • un supporto per il tablet da montare sulla bici (per evitare che cadesse): unica spesa fatta (circa 30 Euro)
  • qualche ora libera per girare in bici per le strade del comune (si può anche ottenere lo stesso risultato andando a piedi o in automobile)

Ecco alcune immagini del miscuglio di tecnologie 1.0 e 2.0 …. 🙂

SAMSUNG

SAMSUNG

Il risultato finale è questo (cliccare sull’immagine per aprire Mapillary sulla zona …) ….

Mapillary-Carignano

Ed ecco qualche dettaglio ….

Carignano-1

Carignano-2

Carignano-3

Quindi posso dire (con un pò di orgoglio ?!), che ora il mio comune è praticamente uno dei pochi comuni Italiani  completamente mappato su Mapillary!

Ovviamente ora si può migliorare aggiungendo immagini di dettaglio dei punti di maggiore interesse e chiunque, oltre me, lo può e lo potrà fare ed il sistema migliorerà da solo.

Qualche dettaglio / suggerimento per chi volesse replicare:

  • cercate, nell’ambito del possibile, di evitare di fotografare persone, targhe automobilistiche, ecc … In ogni caso, una volta fatto l’upload delle immagini su Mapillary, è possibile controllare le proprie immagini ed intervenire, in post processing, editando le immagini “oscurando” (blur) parti di esse per rendere irriconoscibili volti, targhe automobilistiche, particolari, ecc … (Mapillary cerca di farlo per voi in modo automatico ma è comunque sempre consigliabile una verifica ed un intervento umano ….)
  • cercate, nell’ambito del possibile, di catturare immagini o sequenze in orari con poco affollamento
  • percorrete le vie in entrambi i sensi di marcia: se possibile anche catturando immagini lateralmente quindi l’optimum sarebbe percorrere una via in entrambi i sensi di di marcia catturando immagini frontalmente e poi, nuovamente percorrere la via catturando immagini letaralmente. Ecco un esempio di quello che si ottiene ruotando a 360° sullo stesso punto

DettaglioCarignano1

DettaglioCarignano2

DettaglioCarignano3

DettaglioCarignano4

Particolare interessante presente da qualche mese, è che Mapillary prova a riconoscere i vari segnali stradali presenti sulle vostre fotografie, permettendo così di avere la georeferenziazione degli stessi (ovviamente è bene anche qui fare un post processing per verificare la bontà del riconoscimento automatico

CarignanoSegnali

Al netto di iniziative “singole” come la mia, fattibili su aree mediamente piccole, Mapillary si presta a “eventi” di mapping di gruppo, ad esempio quello recentemente svoltosi presso l’area archeologica di Pompei che ha permesso di portare sulla piattaforma le immagini georiferite di una parte significativa dell’area archeologica visitabile.

L’esperienza è quindi replicabile presso altre aree di particolare interesse.

Lo stesso principio di potrebbe applicare coinvolgendo le scuole, magari nei periodi delle loro gite scolatische o in aree di particolare interesse che si voglia valorizzare coinvogendo gli studenti, magari associandovi dei meccanismi di “gaming” per rendere la cosa più interessante.

Da provare ……. in fondo basta veramente poco!

We want also the National Catalogue for Spatial Data in the INSPIRE register!


A year and a half ago (precisely on February 11, 2014), based on the initiative of some Italian geomatics fans, a petition was launched to denounce the lack of presence of Italy in the INSPIRE register: italy4INSPIRE

rndt4inspire

This initiative, which has rapidly gathered more than 100 adhesions, not only by individuals but also by associations and communities of the geomatics sector, aimed to highlight the fact that it was enough just a grain of sand in the cumbersome and infernal bureaucratic machine (the failure to send an email by ghost responsible), to make yet another fool to our country in the international arena.

And the joke was that Italy had already fulfilled so far the sectoral legislation creating the “National Catalogue for Spatial Data” ( RNDT – Repertorio Nazionale dei Dati Territoriali) and therefore could even get us to the finish among the first in Europe. Among other things, the initiative was echoed in two parliamentary questions, submitted on 4 July and 12 November 2014 , remained unanswered.

What happened after so long?

That we took the usual “patch” Italian style, registering the only endpoint of the National Geoportal (which counts a few hundred metadata), continuing to ignore RNDT, despite European law allows each Member State to present more than one National access point.

Why?

Since the Decree 32/2010 (which transposed the INSPIRE Directive in Italy) refers explicitly to RNDT and that this, in consistency and continuity with the monitoring “envisaged by the Commission” 2014, signaled 6140 metadata and in 2015 more than 17940 metadata are reported, why it was not registered yet?

We wonder if someone with a name, a surname and a face, will never give an answer and, above all, will manage to achieve the goal of registering the RNDT endpoint in the INSPIRE register.

RNDT4INSPIRE_h

Categorie:Uncategorized Tag:,

Vogliamo anche RNDT nel registro INSPIRE! #RNDT4INSPIRE


Un anno e mezzo fa (per la precisione il giorno 11 febbraio 2014), su iniziativa di alcuni appassionati geomatici italiani, veniva lanciata una petizione per denunciare la mancata presenza dell’Italia nel registro INSPIRE: italy4INSPIRE

rndt4inspire
Questa iniziativa, che ha raccolto rapidamente oltre 100 adesioni, non solo di singole persone ma anche di associazioni e comunità del settore geomatico, puntava a mettere in risalto il fatto che bastava un granellino di sabbia nella farraginosa ed infernale macchina burocratica (il mancato invio di una mail da parte di fantomatici responsabili), per far fare al nostro Belpaese l’ennesima figuraccia in campo internazionale.

E la beffa era che l’Italia aveva adempiuto già da tempo alla normativa di settore realizzando il “Repertorio Nazionale dei Dati Territoriali” (RNDT) e quindi poteva addirittura farci arrivare al traguardo tra i primi in Europa.

Tra l’altro, l’iniziativa veniva ripresa anche in due interrogazioni parlamentari, presentate rispettivamente il 4 luglio e il 12 novembre 2014, rimaste tuttora senza risposta.

Cosa è successo a distanza di così tanto tempo?

Che ci abbiamo messo la solita “pezza” all’Italiana, registrando il solo endpoint del Geoportale Nazionale (che annovera poche centinaia di metadati), continuando a ignorare RNDT, nonostante la legge europea consenta ad ogni Stato Membro di esporre più di un punto di accesso nazionale.

Perché? Visto che il D.lgs. 32/2010 richiama esplicitamente RNDT e che questo in uniformità e continuità con il monitoraggio “previsto dalla Commissione” 2014 segnalava 6140 metadati e quello 2015 ne riporta oltre 17940, perché non è stato ancora registrato? Chissà se qualcuno, con un nome, un cognome ed una faccia, riuscirà mai a dare una risposta e, soprattutto, a raggiungere l’obiettivo di registrare l’endpoint RNDT nel registro INSPIRE.

RNDT4INSPIRE_h

Categorie:Progetti Tag:,

OpenStreetMap, GeoPortale Nazionale e OpenRefine: tutorial per come farsi del geocoding in casa partendo da un elenco di indirizzi


Partendo dal mio ultimo post “Come convertire indirizzi in coordinate geografiche (geocoding) usando i servizi WFS del GeoPortale Nazionale e Open Refine“, che ha tratto ispirazione da quest’altro post “Using OpenRefine to geocode your data with Google and OpenStreetMap API”, ho provato a mettere insieme le cose per cercare di ottenere una sorta di “guida” su come, partendo da un foglio elettronico in  cui vi siano dei dati da georiferire per indirizzo, ottenerne la georeferenziazione, con la migliore precisione possibile e al più approssimata  al Comune.

Ecco quali sono i criteri che ho provato a seguire:

  1. se il dato è possibile georiferirlo usando i dati di OpenStreetMap e quindi le  MapQuest Nominatim API, questa viene considerata la prima e migliore delle opzioni: occorre tuttavia appurare che la georeferenziazione avvenga per “osm_type=node”, e quindi per punto. Sostanzialmente se quello specifico numero civico esiste tra i dati di OpenStreetMap, questo viene considerato il dato migliore
  2. se il dato non è georiferibile usando i dati di OpenStreetMap e quindi le  MapQuest Nominatim API per “nodo”, si verifica se lo sia usando i servizi WFS del GeoPortale Nazionale: se lo è viene questa viene considerata come seconda opzione
  3. se il dato non è georiferibile usando i dati di OpenStreetMap e quindi le  MapQuest Nominatim API per “nodo”, e nemmeno usando i servizi WFS del GeoPortale Nazionale, si verifica se lo sia usando i dati di OpenStreetMap e quindi le API di Nominatim per “osm_type=way”, e quindi per interpolazione sulla strada: se lo è viene questa viene considerata come terza opzione
  4. se il bene non è georiferibile nè usando i dati di OpenStreetMap e quindi le  MapQuest Nominatim API per “nodo”, nè usando i servizi WFS del GeoPortale Nazionale, e nemmeno usando i dati di OpenStreetMap e quindi le  MapQuest Nominatim API per “osm_type=way”, si verifica se lo sia usando e API di Nominatim georeferendo per Comune: se lo è (e lo dovrebbe essere sempre …..), viene questa viene considerata come quarta opzione ovviamente con un grado di approssimazione molto elevato e grossolano.

In questo modo, classificando la tipologia di metodo di georeferenziazione, possiamo differenziare per  la “qualità” della precisione con cui quel dato è stato georiferito per indirizzo.

Come detto in precedenza si ipotizza di partire da un foglio elettronico che contenga i dati da georiferire. La sua struttura dati può essere libera: nel seguito si indicheranno quali sono i nuovi campi da creare che, al termine delle operazioni potranno essere eliminati, lasciando i soli campi contenenti le coordinate degli indirizzi e la tipologia di modalità di geocodifica.

  1. aprire il foglio elettronico in Google Refine / Open Refine e generare un progetto
  2. creare una colonna con nome “Comune-work-1” contenente il nome del comune
  3. creare una colonna con nome “Comune-work-2” partendo dalla colonna “Comune-work-1” applicando la formula replace(value,' ','%20')
  4. modificare il contenuto della colonna “Comune-work-2” applicando la formula replace(value,'\'','%27'). NOTA: se nel nome del comune compaiono altro caratteri particolari, replicare sostituendo le rispettive sequenze di escape.
  5. creare una colonna con nome “Ubicazione-work-1” contenente la ubicazione (es. Via Roma), SENZA civico
  6. creare una colonna “Ubicazione-work-2” partendo dalla colonna “Ubicazione-work-1” eliminando gli spazi sostituendoli con il carattere di escape %20, eliminando gli apostrofi sotituendoli con il carattere di escape %27, ecc … Occorre lavorare un pò direttamente in Refine: se non ci sono info o se ci sono info non corrette mettere come valore “xxx”
  7. creare una colonna con nome “Civico-work-1” contenente il SOLO numero civico. Occorre lavorare un pò in Excel o Refine: se non ci sono info o se ci sono info non corrette mettere “xxx”
  8. creare una colonna “ResponsePCN” il cui contenuto è il risultato delle query WFS al PCN, fatte ogni 1500 millisecondi (o superiore …) ottenute da 'http://wms.pcn.minambiente.it/ogc?map=/ms_ogc/wfs/Numeri_Civici_2012.map&VERSION=1.1.0&service=wfs&request=GetFeature&TYPENAME=IN.NUMERICIVICI.2012&Filter=%3Cogc:Filter%20xmlns:ogc=%22http://www.opengis.net/ogc%22%3E%3CAND%3E%3Cogc:PropertyIsEqualTo%20matchCase=%22false%22%3E%3Cogc:PropertyName%3Ecomune%3C/ogc:PropertyName%3E%3Cogc:Literal%3E' + cells["Comune-work-2"].value + '%3C/ogc:Literal%3E%3C/ogc:PropertyIsEqualTo%3E%3Cogc:PropertyIsEqualTo%20matchCase=%22false%22%3E%3Cogc:PropertyName%3Enome%3C/ogc:PropertyName%3E%3Cogc:Literal%3E' + cells["Ubicazione-work-2"].value + '%3C/ogc:Literal%3E%3C/ogc:PropertyIsEqualTo%3E%3Cogc:PropertyIsLike%20matchCase=%22false%22%20wildCard=%22*%22%20singleChar=%22.%22%20escapeChar=%22!%22%3E%3Cogc:PropertyName%3Ecivico%3C/ogc:PropertyName%3E%3Cogc:Literal%3E*' + cells["Civico-work-1"].value + '*%3C/ogc:Literal%3E%3C/ogc:PropertyIsLike%3E%3C/AND%3E%3C/ogc:Filter%3E'
  9. creare una colonna “Lat-PCN” partendo dalla colonna “ResponsePCN” ed applicare la seguente regola: toNumber(split(trim(substring(value.parseHtml().select("gml|Point gml|pos")[0].toString(),10, -10)), " ")[0])
  10. creare una colonna “Lon-PCN” partendo dalla colonna “ResponsePCN” ed applicare la seguente regola: toNumber(split(trim(substring(value.parseHtml().select("gml|Point gml|pos")[0].toString(),10, -10)), " ")[1])
  11. usare le facets “Text” sulla colonna “Lat-PCN“: selezionare le righe “blank” e valorizzare a 0
  12. usare le facets “Text” sulla colonna “Lon-PCN“: selezionare le righe “blank” e valorizzare a 0
  13. creare una colonna “AddressForOsmNominatim” da valorizzare con la seguente regola: cells["Ubicazione-work-2"].value + "%20" + cells["Civico-work-1"].value + "," + cells["Comune-work-2"].value + ",Italia"
  14. creare una colonna “ResponseNominatimForAddress” il cui contenuto è il risultato della query a Nominatim con la seguente chiamata: 'http://open.mapquestapi.com/nominatim/v1/search.php?format=json&q=' + cells["AddressForOsmNominatim"].value
  15. creare una colonna “Lat-OSM-Address-Node” partendo dalla colonna “ResponseNominatimForAddress” ed applicare la seguente regola: if(value.parseJson()[0].osm_type=="node",value.parseJson()[0].lat,"")
  16. usare le facets “Text” sulla colonna “Lat-OSM-Address-Node“: selezionare le righe “blank” e valorizzare a 0
  17. creare una colonna “Lon-OSM-Address-Node” partendo dalla colonna “ResponseNominatimForAddress” ed applicare la seguente regola: if(value.parseJson()[0].osm_type=="node",value.parseJson()[0].lon,"")
  18. usare le facets “Text” sulla colonna “Lon-OSM-Address-Node“: selezionare le righe “blank” e valorizzare a 0
  19. creare una colonna “Lat-OSM-Address-Way” partendo dalla colonna “ResponseNominatimForAddress” ed applicare la seguente regola: if(value.parseJson()[0].osm_type=="way",value.parseJson()[0].lat,"")
  20. usare le facets “Text” sulla colonna “Lat-OSM-Address-Way“: selezionare le righe “blank” e valorizzare a 0
  21. creare una colonna “Lon-OSM-Address-Way” partendo dalla colonna “ResponseNominatimForAddress” ed applicare la seguente regola: if(value.parseJson()[0].osm_type=="way",value.parseJson()[0].lon,"")
  22. usare le facets “Text” sulla colonna “Lon-OSM-Address-Way“: selezionare le righe “blank” e valorizzare a 0
  23. creare una colonna “CityForOsmNominatim” e valorizzare con la seguente regola: cells["Comune-work-2"].value + ",Italia&limit=1"
  24. creare una colonna “ResponseNominatimForCity” il cui contenuto è il risultato della query a Nominatim con la seguente chiamata: 'http://open.mapquestapi.com/nominatim/v1/search.php?format=json&q=' + cells["CityForOsmNominatim"].value
  25. creare una colonna “Lat-OSM-City” partendo dalla colonna “ResponseNominatimForCity” ed applicare la seguente regola: value.parseJson()[0].lat
  26. usare le facets “Text” sulla colonna “Lat-OSM-City“: selezionare le righe “blank” e valorizzare a 0
  27. creare una colonna “Lon-OSM-City” partendo dalla colonna “ResponseNominatimForCity” ed applicare la seguente regola: value.parseJson()[0].lon
  28. usare le facets “Text” sulla colonna “Lon-OSM-City“: selezionare le righe “blank” e valorizzare a 0
  29. creare una colonna “GeoRefType” e valorizzare cona la seguente regola: if(cells["Lon-OSM-Address-Node"].value!="0","OSM_NODE",(if(cells["Lon-PCN"].value!="0","GN",(if(cells["Lon-OSM-Address-Way"].value!="0","OSM-WAY","OSM-CITY")))))
  30. creare una colonna “Lat” e valorizzare cona la seguente regola: if(cells["Lat-OSM-Address-Node"].value!="0",cells["Lat-OSM-Address-Node"].value,(if(cells["Lat-PCN"].value!="0",cells["Lat-PCN"].value,(if(cells["Lat-OSM-Address-Way"].value!="0",cells["Lat-OSM-Address-Way"].value,cells["Lat-OSM-City"].value)))))
  31. creare una colonna “Lon” e valorizzare cona la seguente regola: if(cells["Lon-OSM-Address-Node"].value!="0",cells["Lon-OSM-Address-Node"].value,(if(cells["Lon-PCN"].value!="0",cells["Lon-PCN"].value,(if(cells["Lon-OSM-Address-Way"].value!="0",cells["Lon-OSM-Address-Way"].value,cells["Lon-OSM-City"].value)))))
  32. applicare la trasformazione “To number” alle celle della colonna “Lat
  33. applicare la trasformazione “To number” alle celle della colonna “Lon
  34. cancellare, se desiderato, tutte le colonne di lavoro mantenendo solo le colonne “GeoRefType“, “Lat” e “Lon

Quanto descritto sopra ha valenza generale e può essere modificato a piacere, sia alterando i criteri utilizzati per dare le priorità di georeferenziazione tra le diverse alternative, sia, qualora si individuassero altri servizi WFS di esposizione dei numeri civici georiferiti in aggiunta a quelli del GeoPortale Nazionale, per estendere le fonti utilizzate.

A questo punto non vi resta che provare con dei vostri dati (se ci sono errori o cose non chiare segnalate e chiedete …. proviamo a risolvere insieme), e mettere così le vostre informazioni, delle quali al momento avete solo un indirizzo, su una qualunque mappa desideriate.

Enjoy!