Hackathon esempio di mapping addresses
Download as PPT, PDF0 likes586 views
Il documento descrive la trasformazione del dataset degli indirizzi civici del comune di Firenze secondo le specifiche di INSPIRE. Viene presentata un'analisi del target schema, delle classi e delle componenti degli indirizzi, oltre all'utilizzo dello strumento di trasformazione Hale per la mappatura dei dati. Infine, si discute la relazione tra le classi coinvolte e il catalogo nazionale delle feature.
Hackathon esempio di mapping addresses
- 1. 1/25 Track T.3: Trasformazione del dataset dei civici del comune di Firenze conformemente alla Data Specification Addresses di INSPIRE Stefania Morrone s.morrone@epsilon-italia.it
- 2. Sommario • • • • • • • Introduzione Analisi del target schema La classe Address La Feature type astratta AddressComponent Il Catalogo Nazionale delle Feature Analisi dello schema sorgente La trasformazione 2/25
- 3. Introduzione • • • • Focus su : Analisi del target schema Addresses Il Catalogo Nazionale delle Feature Analisi del dato sorgente: civici della città di Firenze • La trasformazione con il transformation tool HALE: a first step 3/25
- 4. Analisi del target schema 4/25
- 5. La classe Address Un indirizzo è formato da una o più istanze della feature type AddressComponent. La componente geometrica dell’ indirizzo si trova nella classe Address, è puntiforme ed è contenuta nell’attributo position di tipo GeographicPosition. La classe Address, inoltre, contiene l’attributo locator di tipo AddressLocator, che corrisponde ad un localizzatore dell’indirizzo all’interno dell’area definita dalle componenti. Alla rappresentazione logica dell’indirizzo, infine, si possono associare una o più rappresentazioni “human readable”, cioè in linguaggio naturale, delle componenti: tali raffigurazioni sono implementate come istanze di AddressRepresentation. 5/25
- 6. 6/25 La Feature Type astratta AddressComponent Le componenti possibili AddressComponent) sono: dell’address (istanze della classe •Nome della strada/via/piazza: ft Thoroughfare Name scomponibile (facoltativamente) in più pezzi; •Area dell’indirizzo ft Address Area name: specifica un’area presso cui trovare l’indirizzo, ad esempio “Villaggio Racise”; •Unità amministrativa di riferimento ft Administrative Unit Name; •Descrittore postale (corrispettivo del CAP Italiano) ft Postal Descriptor
- 7. 7/25 Il CNF (Catalogo Nazionale delle Feature) •non prevede una classe indirizzo ma considera un indirizzo formato da toponimo + civico. L’attributo position della feature type address è rintracciabile nella relazione che esiste tra la classe civico e Accesso esterno/Passo carraio • non prevede una classe Codice di Avviamento Postale
- 8. Analisi dello schema sorgente: civiciPoint.shp 8/25
- 9. Analisi schema sorgente: toponomastica.xlsx 9/25
- 11. Il tool di trasformazione: HALE 11/25
- 12. Trasformazione: first step La prima operazione da fare è il la mappatura dei tipi principali. Non abbiamo a disposizione tutte le informazioni che ci servono solo nello shapefile o solo nel file csv che rappresentano il nostro dato sorgente. Per la mappatura dei tipi principali (source e target) non possiamo usare la funzione di Retype (che associa ad ogni elemento del tipo sorgente un elemento del tipo target) ma quella di Join (che unisce più istanze di tipi sorgente diversi in un'unica istanza del tipo target) 12/25
- 13. 13/25 GRAZIE PER L’ATTENZIONE Quest'opera è distribuita con Licenza Creative Commons Attribuzione - Condividi allo stesso modo 3.0 Italia.
Editor's Notes
- #4: Track T.3 : Trasformazione del dataset degli indirizzi del comune di Firenze civicipoint.shp conformemente alla Data Specification INSPIRE Addresses
- #5: l fulcro del target data model risiede nelle classi: Address, AddressComponent e AddressLocator: la prima rappresenta un indirizzo dal punto di vista logico e si compone di istanze della seconda classe. In figura i box verdi rappresentano le classi corrispondenti nel CNF
- #9: Firenze: http://opendata.comune.fi.it/statistica_territorio/dataset_0040.html . Scarichiamo il formato csv (file toponomastica) e il file in formato shape
- #10: Firenze: http://opendata.comune.fi.it/statistica_territorio/dataset_0040.html
- #11: Il primo passo nella mappatura logica degli schemi è la compilazione della matching (o mapping) table
- #12: Per la trasformazione «fisica» del dato c’è bisogno di tool di trasformazione, come Humboldt Hale che è OPEN SOURCE