getCoords je python program, do kterého vstupuje modifikované CSV s adresami a který vrací geojson se souřadnicemi těchto objektů
Modifikace CSV souboru je popsána v readme složky data. Modifikace extrahuje názvy ulic, adresní čísla, katastrální parcely a katastrální území z původního textu v .DOC tabulce, která je přílohou tržního řádu.
Program získává souřadnice ze služby WFS na základě parametrů ulice, číslo domovní, případně číslo orientační, nebo na základě pracelního čísla a čísla katastrálního území. Služba je poskytována Českým úřadem zeměměřickým a katastrálním, na základě dostupných parametrů je volána buď služba pro INSPIRE Adresy:
$ http://services.cuzk.cz/wfs/inspire-ad-wfd.asp?
nebo pro INSPIRE Parcely:
$ http://services.cuzk.cz/wfs/inspire-cp-wfd.asp?
V obou případech je využíváno předpřipravených dotazů. Jejich popis je dostupný zde.
Z důvodu značné nepřesnosti vstupních dat bylo zvoleno pořadí parametrů, podle kterých jsou dotazy volány:
- Pokud záznam obsahuje název ulice a dvojici číslo popisné/číslo orientační, jsou souřadnice zjišťovány na základě těchto parametrů. V některých případech je pořadí číslo popisné/číslo orientační ve zdrojových datech prohozeno. V případě, že při použití standardního pořadí služba nic nevrací, je dotaz volán znovu s opačným pořadím čísel.
- Pokud záznam obsahuje pouze jedno číslo, je předpokládáno, že se jedná o číslo orientační. Analýzou dat bylo zjištěno, že ve většině případů je samostané číslo číslem orientačním. Ve zbytku případů o informaci přijdeme.
- Pokud číslo neobsahuje, vyhledáváme na základě kombinace parcely a katastrálního území.
- V případě chybějících čísel vyhledáváme na základě ulice. Jako souřadnice jsou použity náhodně souřadnice jednoho adresního místa v ulici.
Jako obec je ve všech případech použita Praha s kódem 554782, v pžípadě, že je vyplněn atribut městská část, je výběr omezen i na ní. Bohužel, městská část je v mnoha případech vyplněna chybně.
Poznámka: v mnoha případech je v textu uvedeno více čísel, ulic nebo čísel katastrálních parcel. Z důvodu vyhnutí se duplikacím v tržních místech je v těchto případech dotazováno pouze na první hodnotu ze seznamu.
Výstupem z WFS služby jsou data ve formátu GML odpovídající datovým specifikacím pro INSPIRE téma Adresy, potažmo Parcely. Data jsou validní proti XML schématům pro tato témata. Z dat adres jsou souřadnice extrahovány z elementu ad:geometry, parcely mají v elementu cp:geometry uložen polygon, proto je definiční bod extrahován z elementu cp:referencePoint.
K vytváření objektu json je použita python knihovna json.
Root element je podle specifikace geojson typu FeatureCollection. Jednotlivé objekty jsou prvky pole features. Každý feature má typ 'Feature', geometrii a seznam vlastností. Vlastnostmi jsou v podstatě všechny sloupce ze vstupního souboru CSV. Sloupec s prodávaným zbožím je rozdělen na jednotlivé druhy zboží a uložen jako pole. Druh zboří slouží k pozdější filtraci výsledků. Souřadnice jsou společně s typem uloženy jako geometry. Samotné souřadnice jsou array. Všechny spuřadnice jsou uůoženy v souřadnicovém systému EPSG:4326, tedy WGS-84.