LtGlahn

# -*- coding: utf-8 -*-
"""Fetching a bunch of objects of a specifid type from Norwegian National 
road database (NVDB). See https://www.vegvesen.no/nvdb/apidokumentasjon/
Here, we set up a geographic filter for a certain road number (fv30) and county (16), 
and a property filter (skiltnummer = Fartsgrense 70 km/t). 
"""

import requests
import json

LtGlahn

# -*- coding: utf-8 -*-
"""
Check alignment of NVDB road network and metering system (vegreferanse) 
in a particular point at the road network, specified as road
link ID and (non-dimmensional) linear reference position. 

Usage: 
    (roadDir, meterDir) = nvdbdirection( 971429, 0.2) # Input: NVDB Road linkID 
                                                      # and position
    

LtGlahn

# Trenger disse funksjonene: https://github.com/LtGlahn/nvdbapi-V2/blob/master/nvdbapi.py 
# 
from nvdbapi import *

# Tom liste som holder navn på kontraktsområdene vi finner
kontraktsomr = [] 

# Henter et heldekkende objekt fra NVDB 
vegref = nvdbFagdata( 532)
vegref.addfilter_geo( { 'kommune' : '1601', 'vegreferanse' : [ 'E', 'R', 'F', 'K' ] })

LtGlahn

# -*- coding: utf-8 -*-
"""
Finn lengde av grusveger (vegdekke med massetype = grusveg)

Supplerer rapportgenerator http://labs.vegdata.no/nvdb-rapporter/
som går mot V1 av NVDB api, og derfor ikke klipper lengder på kommunegrenser
ref http://api.vegdata.no/endepunkt/vegobjekter.html 
"""

import requests

LtGlahn

"""
Created on Thu May 31 10:41:18 2018

Henter trafikkulykker etter 2012 med datterobjekt 571 av typen sykkel, og 
lagrer som geojson med lat/lon koordinat (srid=4326)

"""

import nvdbapi
import nvdb2geojson

LtGlahn

# -*- coding: utf-8 -*-
"""
Finner ulykker i tunneller ut fra kjent tunnelID. 
Forutsetter at dette biblioteket er i søkestien (evt i samme mappe): 
https://github.com/LtGlahn/nvdbapi-V2

Metodikk: For alle tunnell-Id'er
    * Hent alle relasjoner tunnell->tunnelløp
        * For alle tunnelløp: 
            * hent veglenkeposisjoner

LtGlahn

import requests
import json
import datetime

# Konfigurering
outputfile = 'paginering45.json'
url_tomside = 'http://jansimple.pythonanywhere.com/static/tompaginering.json'
minimumantall = 300 # Dropper skriving hvis vi ikke får flere objekter enn som så

# Interne variabler 

LtGlahn

"""
Konseptutvikling / demonstrasjon av hvordan du finner vegobjekt med framtidig startdato i NVDB

Eksemplet leter etter tunneler (587) som har startdato > dagen i dag. 
Per 19. august vet vi om ett objekt med startdato =  10. september 2020. 
(https://nvdbapiles-v3.atlas.vegvesen.no/vegobjekter/581/1008940122/1)

Vi har funnet to metoder som begge virker: 
 - Metode 1: Hente alle versjoner (alle start/sluttdatoer) for en objekttype
 - Metode 2: Hent alle forekomster som antas å være gyldig en gang langt inn i framtida

LtGlahn

"""
Analyserer hvilke europa, riks og fylkesveger som ble til kommunalveger nyttår 2010 i Oslo 

Forutsetter at du har geopandas og dette biblioteket tilgjengelig https://github.com/LtGlahn/nvdbapi-V3
"""


import sqlite3
import geopandas as gpd
import pandas as pd 

LtGlahn

"""
Script som sammenligner navn på tunneller i NVDB med stedsnavn i SSR

Logikken er som følger: 
    - Søk i SSR skjer innafor boundingbox laget fra 500 meter buffer rundt tunnelløpene 
    (de forekomstene av objekttype 67 Tunnelløp som er datterobjekter av denne forekomsten av 581 Tunnel) 

    - Hvis nødvendig, søker vi flere ganger i SSR: 
        1. Først på eksakt match på NVDB navnet
        2. Deretter wildcard-søk etter *tunnel* (innafor boundingbox)