def dumpkontraktsomr():
"""
Dumper et har (hardkodede) kontraktsområder
"""
komr = ['9302 Haugesund 2020-2025', '9304 Bergen', '9305 Sunnfjord']
objliste = [
540, # Trafikkmengde
105, # Fartsgrense
810, # Vinterdriftsklasse
482, # trafikkregistreringsstasjon
153, # Værstasjon
64, # Ferjeleie
39, # Rasteplass
48, # Fortau
199, # Trær
15, # Grasdekker
274, # Blomsterbeplanting
511, # Busker
300, # Naturområde (ingen treff i Haugesund kontrakt)
517, # Artsrik vegkant
800, # Fremmede arter
67, # Tunnelløp
846, # Skredsikring, bremsekjegler
850 # Skredsikring, forbygning
]
for enkontrakt in komr:
filnavn = nvdbapiv3.esriSikkerTekst(enkontrakt)
nvdb2gpkg(objliste,
filnavn=filnavn,
mittfilter={'kontraktsomrade': enkontrakt})
def nvdb2gpkg(objekttyper,
filnavn='datadump',
mittfilter=None,
vegnett=True,
vegsegmenter=False,
geometri=True):
"""
Lagrer NVDB vegnett og angitte objekttyper til geopackage
ARGUMENTS
objekttyper: Liste med objekttyper du vil lagre
KEYWORDS
mittfilter=None : Dictionary med filter til søkeobjekt i nvdbapiv3.py, for eksempel { 'kommune' : 5001 }
Samme filter brukes på både vegnett og fagdata
vegnett=True : Bool, default=True. Angir om vi skal ta med data om vegnett eller ikke
vegsegmenter=False : Bool, default=False. Angir om vi skal repetere objektet delt inn etter vegsegementer
geometri=True : Bool, default=True. Angir om vi skal hente geometri fra egengeometri (hvis det finnes)
Hvis du ønsker å presentere vegobjekt ut fra objektets stedfesting langs veg så bruker du kombinasjonen
vegsegmenter=True, geometri=False. Ett enkelt objekt blir da repetert for hvert vegsegment som det er
tilknyttet (stedfestet til).
Standardverdiene vegsegmenter=False, geometri=True er valgt ut fra antagelsen om at du ønsker
en rad per objekt, uten duplisering.
RETURNS
None
"""
if not '.gpkg' in filnavn:
filnavn = filnavn + '_' + datetime.today().strftime(
'%Y-%m-%d') + '.gpkg'
if not isinstance(objekttyper, list):
objekttyper = [objekttyper]
for enObjTypeId in objekttyper:
enObjTypeId = int(enObjTypeId)
sok = nvdbapiv3.nvdbFagdata(enObjTypeId)
if mittfilter:
sok.filter(mittfilter)
stat = sok.statistikk()
objtypenavn = sok.objektTypeDef['navn']
print('Henter', stat['antall'], 'forekomster av objekttype',
sok.objektTypeId, objtypenavn)
lagnavn = 'type' + str(enObjTypeId) + '_' + nvdbapiv3.esriSikkerTekst(
objtypenavn.lower())
rec = sok.to_records(vegsegmenter=vegsegmenter, geometri=geometri)
# Lagringsrutine skilt ut med funksjonen records2gpkg, IKKE TESTET (men bør gå greit)
if len(rec) > 0:
records2gpkg(rec, filnavn, lagnavn)
else:
print('Ingen forekomster av', objtypenavn, 'for filter',
mittfilter)
if vegnett:
veg = nvdbapiv3.nvdbVegnett()
if mittfilter:
junk = mittfilter.pop('egenskap', None)
junk = mittfilter.pop('overlapp', None)
veg.filter(mittfilter)
print('Henter vegnett')
rec = veg.to_records()
mindf = pd.DataFrame(rec)
mindf['geometry'] = mindf['geometri'].apply(wkt.loads)
mindf.drop('geometri', 1, inplace=True)
minGdf = gpd.GeoDataFrame(mindf, geometry='geometry', crs=5973)
minGdf.to_file(filnavn, layer='vegnett', driver="GPKG")
def nvdb2gpkg(objekttyper, filnavn='datadump', mittfilter=None):
"""
Lagrer NVDB vegnett og angitte objekttyper til geopackage
ARGUMENTS
objekttyper: Liste med objekttyper du vil lagre
KEYWORDS
mittfilter=None : Dictionary med filter til søkeobjekt i nvdbapiv3.py, for eksempel { 'kommune' : 5001 }
Samme filter brukes på både vegnett og fagdata
RETURNS
None
"""
if not '.gpkg' in filnavn:
filnavn = filnavn + datetime.today().strftime('%Y-%m-%d') + '.gpkg'
if not isinstance(objekttyper, list):
objekttyper = [objekttyper]
for enObjTypeId in objekttyper:
enObjTypeId = int(enObjTypeId)
sok = nvdbapiv3.nvdbFagdata(enObjTypeId)
if mittfilter:
sok.filter(mittfilter)
stat = sok.statistikk()
objtypenavn = sok.objektTypeDef['navn']
print('Henter', stat['antall'], 'forekomster av objekttype',
sok.objektTypeId, objtypenavn)
lagnavn = 'type' + str(enObjTypeId) + '_' + nvdbapiv3.esriSikkerTekst(
objtypenavn.lower())
rec = sok.to_records(vegsegmenter=False, geometri=True)
if len(rec) > 0:
mindf = pd.DataFrame(rec)
# Må trickse litt for å unngå navnekollisjon
kolonner = list(mindf.columns)
lowerkolonner = [x.lower() for x in kolonner]
# Duplicate element indices in list
# Using list comprehension + list slicing
# https://www.geeksforgeeks.org/python-duplicate-element-indices-in-list/
res = [
idx for idx, val in enumerate(lowerkolonner)
if val in lowerkolonner[:idx]
]
for ii, dublett in enumerate(res):
mindf.rename(columns={
mindf.columns[dublett]:
kolonner[dublett] + '_' + str(ii + 1)
},
inplace=True)
mindf['geometry'] = mindf['geometri'].apply(wkt.loads)
minGdf = gpd.GeoDataFrame(mindf, geometry='geometry', crs=5973)
# må droppe kolonne vegsegmenter hvis du har vegsegmenter=False
if 'vegsegmenter' in minGdf.columns:
minGdf.drop('vegsegmenter', 1, inplace=True)
minGdf.drop('geometri', 1, inplace=True)
minGdf.to_file(filnavn, layer=lagnavn, driver="GPKG")
else:
print('Ingen forekomster av', objtypenavn, 'for filter',
mittfilter)
veg = nvdbapiv3.nvdbVegnett()
if mittfilter:
veg.filter(mittfilter)
print('Henter vegnett')
rec = veg.to_records()
mindf = pd.DataFrame(rec)
mindf['geometry'] = mindf['geometri'].apply(wkt.loads)
mindf.drop('geometri', 1, inplace=True)
minGdf = gpd.GeoDataFrame(mindf, geometry='geometry', crs=5973)
minGdf.to_file(filnavn, layer='vegnett', driver="GPKG")
