def firefeltrapport(mittfilter={}):
"""
Finner alle firefeltsveger i Norge, evt innafor angitt søkekriterie
Bruker søkeobjektet nvdbapiv3.nvdbVegnett fra biblioteket https://github.com/LtGlahn/nvdbapi-V3
ARGUMENTS
None
KEYWORDS:
mittfilter: Dictionary med søkefilter
RETURNS
geodataframe med resultatet
"""
v = nvdbapiv3.nvdbVegnett()
# Legger til filter på kun fase = V (eksistende veg), såfremt det ikke kommer i konflikt med anna filter
if not 'vegsystemreferanse' in mittfilter.keys():
mittfilter['vegsystemreferanse'] = 'Ev,Rv,Fv,Kv,Sv,Pv'
if not 'kryssystem' in mittfilter.keys():
mittfilter['kryssystem'] = 'false'
if not 'sideanlegg' in mittfilter.keys():
mittfilter['sideanlegg'] = 'false'
v.filter(mittfilter)
# Kun kjørende, og kun øverste topologinivå, og ikke adskiltelop=MOT
v.filter({
'trafikantgruppe': 'K',
'detaljniva': 'VT,VTKB',
'adskiltelop': 'med,nei'
})
data = []
vegsegment = v.nesteForekomst()
while vegsegment:
if sjekkfelt(vegsegment, felttype='firefelt'):
vegsegment['feltoversikt'] = ','.join(vegsegment['feltoversikt'])
vegsegment['geometri'] = vegsegment['geometri']['wkt']
vegsegment['vref'] = vegsegment['vegsystemreferanse']['kortform']
vegsegment['vegnr'] = vegsegment['vref'].split()[0]
vegsegment['vegkategori'] = vegsegment['vref'][0]
vegsegment['adskilte løp'] = vegsegment['vegsystemreferanse'][
'strekning']['adskilte_løp']
data.append(vegsegment)
vegsegment = v.nesteForekomst()
if len(data) > 1:
mindf = pd.DataFrame(data)
mindf['geometry'] = mindf['geometri'].apply(wkt.loads)
mindf.drop('geometri', 1, inplace=True)
mindf.drop('kontraktsområder', 1, inplace=True)
mindf.drop('riksvegruter', 1, inplace=True)
mindf.drop('href', 1, inplace=True)
mindf.drop('metadata', 1, inplace=True)
mindf.drop('kortform', 1, inplace=True)
mindf.drop('veglenkenummer', 1, inplace=True)
mindf.drop('segmentnummer', 1, inplace=True)
mindf.drop('startnode', 1, inplace=True)
mindf.drop('sluttnode', 1, inplace=True)
mindf.drop('referanse', 1, inplace=True)
mindf.drop('målemetode', 1, inplace=True)
mindf.drop('måledato', 1, inplace=True)
minGdf = gpd.GeoDataFrame(mindf, geometry='geometry', crs=5973)
return minGdf
else:
return None
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")
def nvdb2kart( nvdbref, iface, kunfagdata=True, kunvegnett=False,
miljo='prod',lagnavn=None, **kwargs):
"""
Legger noe fra NVDB til kartflaten. Dette kan være en ID
til nvdb veglenke(r) eller fagobjekt, eller et søkeobjekt
(nvdbFagdata eller nvdbVegnett). Et søkeobjekt vil bli avgrenset
til QGIS kartflate. (Hvis dette ikke er ønsket - send direkte
til funksjonen nvdb2qgis)
Nøkkelordene kunfagdata, kunvegnett og miljø sendes til funksjonen
nvdbapi.finnid.
Resten av nøkkeordene sendes til funksjonen nvdbsok2qgis, og er
dokumentert der.
"""
# Konverterer string => int
if isinstance(nvdbref, str):
try:
nvdbref = int(nvdbref)
except ValueError:
pass
if (isinstance( nvdbref, nvdbFagdata) or \
isinstance( nvdbref, nvdbVegnett)):
ext = iface.mapCanvas().extent()
kartutsnitt = str(ext.xMinimum()) + ',' + \
str(ext.yMinimum()) + ',' + str(ext.xMaximum()) + \
',' + str(ext.yMaximum())
nvdbref.filter( { 'kartutsnitt' : kartutsnitt })
nvdbsok2qgis( nvdbref, **kwargs )
elif isinstance( nvdbref, int):
f*g = finnid( nvdbref, kunfagdata=kunfagdata,
kunvegnett=kunvegnett, miljo=miljo)
if f*g:
if isinstance( f*g, dict) and 'id' in f*g.keys():
sokeobj = nvdbFagdata( f*g['metadata']['type']['id'] )
sokeobj.data['objekter'].append( f*g)
sokeobj.antall = 1
if not lagnavn:
lagnavn = str(f*g['metadata']['type']['id']) + \
'_' + str( nvdbref)
elif isinstance( f*g, list) and len(f*g) > 0 and \
isinstance( f*g[0], dict) and 'veglenkesekvensid' in f*g[0].keys():
sokeobj = nvdbVegnett()
sokeobj.data['objekter'] = f*g
sokeobj.antall = len( f*g)
lagnavn = 'veglenke_' + str( nvdbref)
else:
print( "fant ingen data???", str(nvdbref) )
print( f*g )
return
sokeobj.paginering['dummy'] = True
sokeobj.paginering['hvilken'] = 0
# Sender til kartet
nvdbsok2qgis( sokeobj, lagnavn=lagnavn, **kwargs)
else:
print( "kjente ikke igjen", nvdbref,
"som NVDB referanse eller søkeobjekt")
def vegnett2gdf(mittfilter={}):
"""
Lager geodataframe ut fra spørring (søkeobjekt nvdbVegnett)
Bruker søkeobjektet nvdbapiv3.nvdbVegnett fra biblioteket https://github.com/LtGlahn/nvdbapi-V3
ARGUMENTS
None
KEYWORDS:
mittfilter: Dictionary med søkefilter
RETURNS
Geodataframe med resutaltet
"""
v = nvdbapiv3.nvdbVegnett()
if not 'vegsystemreferanse' in mittfilter.keys():
mittfilter['vegsystemreferanse'] = 'Ev,Rv,Fv,Kv,Sv,Pv'
v.filter(mittfilter)
data = []
# vegsegment = v.nesteForekomst()
for vegsegment in v:
# if sjekkfelt( vegsegment, felttype='firefelt'):
if 'feltoversikt' in vegsegment:
vegsegment['feltoversikt'] = ','.join(vegsegment['feltoversikt'])
vegsegment['geometri'] = vegsegment['geometri']['wkt']
vegsegment['vref'] = vegsegment['vegsystemreferanse']['kortform']
vegsegment['vegnr'] = vegsegment['vref'].split()[0]
vegsegment['adskilte løp'] = vegsegment['vegsystemreferanse'][
'strekning']['adskilte_løp']
vegsegment['vegkategori'] = vegsegment['vref'][0]
vegsegment['trafikantgruppe'] = vegsegment['vegsystemreferanse'][
'strekning']['trafikantgruppe']
data.append(vegsegment)
if len(data) > 1:
mindf = pd.DataFrame(data)
mindf['geometry'] = mindf['geometri'].apply(wkt.loads)
mindf.drop('geometri', 1, inplace=True)
mindf.drop('kontraktsområder', 1, inplace=True)
mindf.drop('riksvegruter', 1, inplace=True)
mindf.drop('href', 1, inplace=True)
mindf.drop('metadata', 1, inplace=True)
mindf.drop('kortform', 1, inplace=True)
mindf.drop('veglenkenummer', 1, inplace=True)
mindf.drop('segmentnummer', 1, inplace=True)
mindf.drop('startnode', 1, inplace=True)
mindf.drop('sluttnode', 1, inplace=True)
mindf.drop('referanse', 1, inplace=True)
mindf.drop('målemetode', 1, inplace=True)
mindf.drop('måledato', 1, inplace=True)
minGdf = gpd.GeoDataFrame(mindf, geometry='geometry', crs=5973)
return minGdf
else:
return None
