Offline-Visualisierung

Dieser Artikel beschreibt das Vorgehen, um offline, also ohne ein voll funktionsfähiges Portal, eine Visualisierung bestehender Trackdateien vorzunehmen.

Dieses Vorgehen ist veraltet. Es funktioniert noch, aber in nächster Zeit wird mehr Energie in die Weiterentwicklung des Portals gesteckt, da hier durch die leistungsstärkere Architektur viel mehr Möglichkeiten zur Datenverarbeitung und Visualisierung bestehen. Dennoch lässt sich mit diesem Vorgehen einiges erreichen, wenn gerade kein Portal zur Hand ist, oder ein tieferer Einblick erwünscht ist, als es das stark verarbeitende Portal erlaubt.

Diese Anleitung sollte mit höchstens kleinen Anpassungen auf allen Linux-Distributionen und unter macOS funktionieren, sofern Python 3.8 oder höher verfügbar ist. Hat deine Distribution nur ältere Versionen, schau’ doch mal ob Anaconda/Conda dir hier aushelfen kann, lokal eine andere Version zu installieren. Prüfe deine Python-Version vorab mit dem Kommando python3 -V.

Dieser Artikel beschreibt nur die Grundlagen, damit auch Anfänger:innen sich ihre Daten anzeigen können. Weitere Features und Details sind direkt im Repository dokumentiert.

Code holen und installieren

Im Terminal am gewünschten Zielort das Git-Repository OpenBikeSensor-Scripts clonen:

git clone https://github.com/openbikesensor/OpenBikeSensor-Scripts obs-scripts

Zum Wechseln in das neue Verzeichnis:

cd obs-scripts

Ab sofort müssen alle Kommandos von diesem Verzeichnis aus ausgeführt werden.

Erstellen einer virtuellen Python-Umgebung zur Installation der Abhängigkeiten und der Kommandozeilentools:

python3 -m venv env
source env/bin/activate

Bitte achte darauf, bei Änderungen am Code das Verzeichnis env zu ignorieren und nicht mit zu committen. Du kannst es auch woanders erstellen (z. B. in deinem Home-Verzeichnis). Den zweiten Befehl von oben (source ...) musst du jedes Mal ausführen, nachdem du mit einem neuen Terminal in dieses Verzeichnis wechselst, bevor du die OBS-Skripte nutzen kannst.

Installation des obs-face Pakets und dessen Abhängigkeiten:

pip install -e .

Es dauert eine Weile, bis alles installiert ist. Bei Erfolg erscheint Successfully installed … in einer der letzten Zeilen (evtl. gefolgt von einer Warnung, die du aber ignorieren kannst), bei Misserfolg eine Fehlermeldung. Wenn du hier Hilfe brauchst, poste die Fehlermeldung im Forum, dort gibt es immer Unterstützung.

Vorbereiten der Dateien

Du brauchst nun geschachtelte Ordner innerhalb des Ordners obs-scripts. Diese erstellst du mit mkdir oder mkdir -p, oder einfach mit der graphischen Bedienoberfläche deines Betriebssystems.

Wir benötigen folgende Struktur:

data
└── input
    ├── user1
    │   ├── track1.csv
    │   └── track2.csv
    └── user2
        ├── track1.csv
        └── track2.csv

Also ein Verzeichnis data in obs-scripts, darin wiederum ein Verzeichnis input, in welchem für jede:n Benutzer:in ein eigener Ordner liegt, der alle Tracks enthält. Es ist okay, wenn das nur ein Ordner ist, aber wenn du von mehreren Personen die Tracks einsammelst, kannst du sie hiermit unterscheiden.

Datenverarbeitung

Auf der Kommandozeile, mit aktivierter Python-Umgebung, kannst du nun folgendes ausführen:

obs-face -ACV

Dies dauert eine Weile, denn es werden OpenStreetMap-Daten heruntergeladen, und dann alle Tracks aus data/input eingelesen und verarbeitet. Du kannst die Ausgabe dieses Kommandos auf Plausibilität prüfen, um zu sehen ob alle deine Tracks erkannt und eingelesen wurden.

Visualisierung

Für die folgenden Befehle wechseln wir zunächst ins Unterverzeichnis visualization:

cd visualization

Nun erstellen wir einen symbolischen Link zwischen der Ausgabe der Verarbeitung und dem Visualisierungscode:

ln -s ../data/visualization json

Mit Python starten wir einen kleinen Webserver, der es uns erlaubt, das Ergebnis im Browser zu sehen:

python -m http.server

Nun kannst du in deinem Browser eine dieser Seiten besuchen: