2024年2月17日发(作者：)

第44卷第2期2021年2月测绘与空间地理信息GEOMATICS

&

SPATIAL

INFORMATION

TECHNOLOGYVol.44，No.2Feb.，2021OpenStreetMap志愿者贡献与留存分析夏琼燕'，罗

冠'，张

翔'，周

亮2（1.武汉大学资源与环境科学学院，湖北武汉430079；2.黑龙江测绘地理信息局,黑龙江哈尔滨150081）摘

要：OpenStreetMap

（以下简称OSM）作为全球最大的开放地理信息数据项目，在科学发现、工程应用、公众服

务等方面的广泛应用，使其成为全球重要的地理信息数据库，其数据质量、项目可持续性和长期稳定性是非常重

要的。目前，针对OSM的研究大多集中于数据质量层面，难以从发展的视角分析其项目本身。鉴于OSM拥有超

过500万志愿者，本文试图从志愿者贡献行为的角度出发，分析OSM社区的成长轨迹和发展模式。具体而言，本

文验证了

OSM志愿者的参与不均等性，将志愿者划分为初、中、高级三类活跃度用户，并采用经济管理学留存分

析的方法对2005—2017年的OSM志愿者贡献行为数据进行了分析。分析结果表明OSM的贡献者数量目前处

于一种低留存率下的稳定增长模式，并且存在大量的志愿者流失现象。关键词:OpenStreetMap

;ChangeSet;志愿者行为；参与不均等；留存分析中图分类号：P208

文献标识码：A

文章编号：1672-5867（

2021）

02-0090-04Volunteer

Editing

Behavior

Retention

Analysis

of

OpenStreetMapXIA

Qiongyan1

,

LUO

Guan1

,

ZHANG

Xiang1

,

ZHOU

Liang2(

of

Resource

and

Environmental

Sciences,

Wuhan

University,

Wuhan

430079,

China

；Heilongjiang

Bureau

of

Surveying,

Mapping

and

Geoinformation,

Harbin

150081,

China)ct:

As

the

world's

largest

open

geographic

information

data

project,

OpenStreetMap

(

hereinafter

referred

to

as

OSM)

,

has

been

widely

used

in

scientific

discovery,

engineering

applications,

public

services,

etc.,

which

making

it

an

important

global

geographic

in­formation

database.

Its

data

quality,

project

sustainability

and

long-term

stability

are

very

important.

At

present,

most

of

the

on

OSM

focused

on

the

data

quality

level,

and

it

is

difficult

to

analyze

the

OSM

project

itself

from

a

development

perspective.

Given

that

OSM

has

more

than

five

million

volunteers,

this

article

attempts

to

analyze the

growth

trajectory

and

development

model

of

the

OSM

commu­nity

from

the

perspective

of

volunteer

contribution

behavior.

Specifically,

first

we

verified

the

participation

inequality

of

OSM

volun­teers,

and

divided OSM

volunteers

into

three

types：

primary

contributor,

junior

contributor,

and

senior

contributor.

We

used

the

meth­od

of

retention

analysis

in

economics

and

management

to

analyze

the

OSM

volunteer

contribution

behavior

data

from

2005

to

2017.

The

analysis

results

show

that

the

number

of

OSM

contributors

is

currently

in

a

stable

growth

mode

with

a

low

retention

rate,

and

there

is

words：OpenStreetMap；

ChangeSet；

volunteer

behavior；

participation

inequality；

retention

analysis0

引

言OSM

（

OpenStreetMap）是当前全球使用最为广泛的

明，OSM社区存在严重的参与不均等现象［6］,即20%的用

户贡献了

80%以上的数据；志愿者的数量和质量也会影

响OSM的数据质量及其可持续性［7］o因此,借助对OSM

VGI（

Volunteer

Geographic

Information

志愿者地理信息）［1］

开放地理数据平台之一。经过十多年的发展，OSM平台

上贡献者的数量已经突破百万（数据来源于Wiki）。凭借

其数据获取免费方便、更新速度快的特点，已成为国内外

志愿者群体的研究分析来辅助OSM的发展决策显得尤为

必要。OSM同其他互联网产品一样，其发展依赖于用户的

参与。目前，越来越多的网站和APP开始通过分析用户

许多学术研究及创新性应用研究的重要基础［2］。然而，

的行为数据来给自身发展提供参考决策。如文献［8］

—［10］借助用户行为的分析来发现用户的兴趣偏好，作出

OSM的数据质量、可靠性能否提供持续服务是影响OSM

数据进一步发挥作用的几个重要问题［3-5］

O已有研究表

收稿日期：2020-05-06个性化推荐，进而优化产品、提高用户留存［11］等。以往对

作者简介:夏琼燕（1995-），女，浙江舟山人，地图制图与地理信息工程专业硕士研究生，主要研究方向为VGI数据质量评价

第2期夏琼燕等：OpenStreetMap志愿者贡献与留存分析91于OSM的研究，大多专注于其所提供的地理信息数据，可

以划分为两个主流方向：一个方向是对OSM的数据管

理［12］及数据质量评价的相关研究,如文献［7］和［13］分

别进行了英国和法国的数据质量评价，确立了较为完善

的数据质量评价体系;文献［14］

—

［16］对OSM的路网数

据进行了数据质量评价。另一个方向是使用OSM所提供

的免费地理信息作为基础数据，来进行空间位置相关的

空间分析决策研究，如空间可达性研究［17］和最短路径分

析［⑻等。对于OSM志愿者的研究，文献［19］提出了基于

用户信誉的数据质量可信度计算模型;文献［20］对OSM

的志愿者编辑行为动机进行了探索研究;文献［21］利用

基尼系数和洛伦兹曲线挖掘了

OSM志愿者的参与不均

等性。本文基于OSM官方的历史修改集合数据集(OSM

ChangeSet)，从OSM平台志愿者贡献行为的角度，采用了

累积分布函数曲线和志愿者留存分析的方法，挖掘OSM

志愿者的编辑行为规律,从用户行为角度分析OSM的动

态演化特征，从而进一步揭示OSM项目的发展模式、现状

与未来。1数据来源与分析方法1.1数据来源OSM

ChangeSet

是

OSM

历史数据集中的一类较为精

简的数据集合，记录了自2005年4月开始的所有OSM注

册用户任意一次编辑行为的部分时空信息,至今仍在不

断更新。一条ChangeSet记录了一个注册用户在一段较

短时间内的一系列编辑活动(包括地理要素的添加、修改

或删除操作)的基本信息，包括ID、用户信息、编辑区域外

包矩形范围、创建和关闭时间以及其他标签信息，它在地

图上显示为用户此次编辑行为发生区域的最小外包

矩形。本文从Planet

OSM官方网站获取实验数据,导入本

地PostgreSQL数据库并保持更新。由于数据处理分析选

择年为最大时间粒度，故选择了截至2017年的ChangeSet

全样本历史数据作为本次研究的基础数据。1.2

CDF

图本文利用累积分布函数(Cumulative

Distribution

Func-

tion,CDF)曲线来描述OSM志愿者贡献量不平等的定量

度量。对离散变量X而言，累积分布函数表示其所有小

于等于x的值出现概率之和，其函数定义如下：Fx(x)

-

P(X

W

x)

(1)本文按照志愿者贡献量的降序对志愿者进行排序，

以志愿者数量的占比为横坐标X,贡献编辑次数的累积比

例为纵坐标Y,获得OSM志愿者贡献占比的累积分布图

(CDF图)。借助CDF图可以回答“X%的志愿者贡献了

Y%的总贡献量”的问题，从而进一步验证OSM志愿者贡

献的参与不均等性［6,21］。1.3志愿者留存分析方法用户留存(User

Retention)的概念最早起源于经济学

和管理学领域，亦称为用户黏性，用于解释员工的去留稳

定性［22］。随着互联网行业的兴起,此概念逐渐被引用到

网站和用户行为分析［9-10］中。在互联网行业中，用户在某

段时间内开始使用某个应用,经过一段时间后,仍然继续

使用该应用的用户，被认作是留存用户;这部分用户占当

时时间窗口新增用户的比例即为用户留存率。许多互联

网产品会借助用户留存分析来衡量产品和市场的匹配程

度［23］，借助志愿者留存分析能够帮助我们更好地预测

OSM平台未来的发展趋势。本文进行OSM志愿者留存分析用到的方法有留存率

折线图和箱线图，本文志愿者留存率的计算方法为:在起

始时间窗口所有的新增志愿者为基数，该群体在此之后

的各个时间窗口中所保留的人数比例。如对于一个原始

时间窗口

Z年，则相对于该年之后的第n年志愿者留存

率计算公式即为:Nn/Nz

(2)式中，Nn代表Z年新增的所有志愿者中在第n年仍

有编辑行为的志愿者数，Nz代表在Z年新增的总志愿

者数。2志愿者数量与贡献占比累积概率统计此部分的研究以年为时间粒度，对每一年的用户进

行个人编辑次数统计，然后根据其贡献量进行降序排序,

统计了每一年贡献量的累积分布图。其中横坐标表示按

照贡献量降序排序的累积贡献人数占比,纵坐标表示按

照贡献量降序排序的累积编辑次数占比。最终,得到了

2005至2017年共13张CDF图，从中挑选了

2005年、

2009年、2013年、2017年4张CDF图，如图1所示。2005年贡献占比CDF图

2006年贡献占比CDF图=

1.0

1.0-営0.8

…一严笑

0.8

--_Z7-________________葺0-6-

J。

°

-----------歳*0.4一

1

060.4-'/!

0/

除0.2拳

0.2

一--------------------------------------------0.0--!——-----------------------------------------0.0

0.2

0.4

0.6

0.8

1.00.0

0.2

0.4

0.6

0.8

1.0

用户比例用户比例2013年贡献占比CDF图2017年贡献占比CDF图

4

/

I

訂+尸三三三三］

瞰

0.6-

a

0.6

-；fo.4-

!;-::除

0.2

-

0.2

-::0.0 ------------------------r0.0」

；

------------------------r0.0

0.2

0.4

0.6

0.8

1.00.0

0.2

0.4

0.6

0.8

1.0

用户比例用户比例图1志愿者数与贡献次数占比累积概率图Fig.1

CDF

graph

of

contributors

and

contributions从图中可以观察到，从2005年到2008年，基本上

20%的志愿者进行的编辑次数占到总编辑次数的80%,基

本符合“二八定律”，即20%的人完成了

80%的工作量。

尼尔森90-9-

1规则［24］被用来将参与者分为“多产型”

(即贡献了

90%的编辑量)、“休闲型”(即接下来的9%)

92测绘与空间地理信息2021

年和“不活跃型”（即剩余的1%）。根据2009年到2017年

的CDF图统计的结果来看，10%的OSM志愿者编辑次数

贡献占到了总数的85%到90%,这一结果与尼尔森90-9

-1规则也是十分相近的，由此得以验证，参与不均等

（Participation

Inequality）现象在OSM的活跃用户中是明

显存在的。3

OSM志愿者留存分析3.1志愿者分类在Pascal

Neis[6]关于OSM注册用户数据的统计研究

中，结合志愿者编辑行为产生的节点（nodes）总个数和编

辑量与志愿者总量的“二八定律”特征，将贡献节点数

1

000个和10个作为志愿者分类的临界值。本文参考

Neis的分类方法,从贡献次数前5%和“二八定律”的80%

贡献占比或者“尼尔森90-9-1”的90%贡献占比为基础

参考，通过一步一步的数据特点来选定最终的分类标准。实验分析了志愿者每一年的个人年编辑次数分布情

况，结果见表1。表1显示每年都有80%的用户的编辑次

数在10次以下，因此，我们选定编辑次数10为第一个贡

献等级分界点，它基本上可以将志愿者进行二八划分。

而每年编辑次数前5%的志愿者年编辑量基本都超过100

次，因此，将年编辑次数100作为第二个有效的志愿者等

级分类临界点，它可以将志愿者中贡献最突出的一部分

人挑选出来。表1志愿者年编辑次数统计表Tab

・1

Editing

numbers

of

contributors

per

year年份编辑次数

编辑次数

编辑次数编辑

1

次

（前

20%）（

前

10%）（前

5%）人数占比2005M22M476759.52%2006M36M8313676.86%2007M30M7011863.33%2008M16M428357.98%2009M17M6215963.99%2010M17M5915965.78%2011M14M4612564.45%2012MilM3610762.94%2013M16M5013768.00%2014M17M5114370.82%2015M19M5414373.19%2016M11M297662.73%2017M11M297265.89%即本文以年贡献量为10次和100次进行分段，将所

有在OSM上有过编辑行为的志愿者按照年编辑次数小于

等于10次归为初级志愿者、10次到100次归为中级志愿

者、大于等于100次归为高级志愿者。3.2志愿者年留存分析本文统计了

2005年至2016年每年新增用户在之后

几年内的留存情况，绘制留存比例变化折线图,如图2所

示。其中,不同标记的曲线表示不同初始年份，纵坐标表

示相对最初年份志愿者数量的留存比例,横坐标表示相

对自身参考时间往后的第%年。第X年留存比例图0.02

4

6

8

10

12第x年图2

OSM志愿者年留存率Fig・2

Users

of

OSM

every

year对比不同年份的折线变化，可以直观地看到,2005年

至2007年，即OSM早期发展阶段，志愿者的留存率相对

较高，其中第二年留存率基本在0.5以上，也就是说，有一

半以上的用户在连续两年内都有编辑行为，并且这一部

分用户在之后的第三年、第四年以及后续留存率依然保

持较高值。可见,早期的OSM编辑者中，属于忠实编辑志

愿者的比例较高。2009年后，OSM用户年留存率开始骤

降，这意味着从这一年开始,新加入到编辑队伍的志愿者

中，大部分不会进行持续性的贡献行为。从2009年开始

的之后几年内，第一年留存率维持在15%到20%之间，并

且随着时间的推移，其第%年（% M6）留存率逐渐趋于

0.075,也就是说,从年尺度来看，有8%左右的志愿者最终

会成为OSM编辑的忠实用户，该比例值可以用来预测今

后OSM志愿者数量的年变化情况。图3展示了

OSM每年活跃（即有过编辑行为）志愿者

的增长比例。图中显示，每年的志愿者总体中很大一部

分是新增志愿者。自2009年起，每年新增用户的占比基

本稳定，维持在70%左右。结合志愿者的年留存情况，虽

然志愿者年留存率不高，但志愿者数量依然维持着较为

稳定的增长软if

旺症旺i图3年活跃志愿者新增比例图Fig・3

scale

of

annual

active

volunteers此外，本文将年留存分析与志愿者等级划分（参考3.1

节）相结合，统计了次年流失和次年留存用户中各类型志

愿者的占比情况，如图4所示。

第2期夏琼燕等：OpenStreetMap志愿者贡献与留存分析93嚅级勰者申级勰者初级勰者■咼级蛊愿者申级蛊愿者初级蛊愿者100%80%loo%60%80%

40%60%

n/20%40%20%

'“(a)次年留存志愿者百分比堆叠统计图(b)次年流失志愿者百分比堆叠统计图图4次年留存/流失志愿者类型占比Fig.4

Different

group

of

users

and

users

churn

in

the

next

year从图中可以直观地看出，在次年留存用户中，初级志

愿者基本占50%左右，中级志愿者占40%左右,高级志愿

者10%左右。在最初几年中，次年流失用户中基本是初

级和中级志愿者；从2009年开始,高级志愿者次年流失比

例开始增加，但是相较于当年流失的总人数来说,其比例

微乎其微。整体上看，流失志愿者中初级志愿者几乎占

到了

80%—95%，中级志愿者基本在10%左右，高级志愿

者仅1%左右。结果表明,对于中级和高级志愿者来说，其次年留存

的可能性较高,而初级志愿者次年流失的可能性比中高

级志愿者大得多。3.3志愿者月留存分析此部分的研究为了能够更加全面地反映所有年份数

据的月分布情况,运用了箱线图(Box-plot)的方法。它包

含一组数据的上边缘、下边缘、中位数和两个四分位数,

能显示一组数据的分散情况，进行多组数据分布特征的

比较。我们统计了

2005年4月到2017年12月共153个

月的志愿者留存数据,以每个月份单元为起点,依次选择

在那之后连续11个月的志愿者留存率作为统计数据，绘

制了月留存率箱线图，如图5所示，图中纵坐标表示留存

比例，横坐标表示开始计算留存的第%个月。123456789

10

11第x个月图5

OSM志愿者月留存比例箱线图Fig.5

Users

retention

of

OSM

every

month从图中可以看出，第1个月留存率主体在10%—30%

之间偏向10%,也就是说，用户在加入OSM编辑者的第一

个月后，仅仅会有不超过三成的用户留下来继续进行后

续的编辑活动。在这之后的第2到第11个月,留存率基

本在5%—13%之间偏向5%,且第6个月之后，留存率基

本稳定。总结整个月留存统计数据，用户能够编辑持续

一年的概率大概在0.05到0.13,基本也符合按照年留存

统计得到的用户留存率在8%左右的结果。4结束语本文着眼于OSM平台的志愿者群体,从志愿者留存

的角度对OSM平台的发展进行了分析探索。通过CDF

图的方法验证了

OSM志愿者贡献存在的参与不均等性，

贡献累计占比统计结果符合“二八定律”和“尼尔森90-9

-1规则”。根据此特性,本文按照年编辑次数10次和

100次作为分界,将志愿者划分为初级、中级和高级三类。

为探索OSM志愿者贡献行为的持续性，本文从年和月两

个时间粒度进行了志愿者留存分析。结果表明,2009年

之后，志愿者的次年留存率逐渐趋近于0.15,第n年留存

率(心3)趋近于0.08,月留存率则在0.05—0.13之间。

次年流失和留存志愿者中流失的几乎都是初级贡献者，

次年留存志愿者近一半由中咼级志愿者组成。由此可

见,高级贡献者更有可能进行持续性的编辑行为。总体而言，尽管OSM社区是十分活跃的(用户数量和

数据贡献增长快)，但活跃用户中依然存在着大量志愿者

流失现象,尤其是初级志愿者。由于庞大的志愿者基数，

OSM目前依旧可以在保证志愿者数量增长的前提下，产

生更多的贡献数据，保证OSM数据库进一步完善和发展。

具体而言,2005—2017年,OSM的志愿者贡献状态是一种

低留存率稳定发展模式，这种状态普遍存在于互联网行

业[23]。有效地抓住对志愿者特征的认知,采取相应的可

行性措施提高志愿者留存率或者提高志愿贡献行为的有

效参与程度(如扩展新的社交渠道来提高留存率)是十分

重要的。这有助于OSM(特别是在发展较慢的区域)突破

现有发展模式，进入更高效、高质量的可持续发展状态。参考文献：[1]

GOODCHILD

M

ns

as

sensors:

the

world

of

volun­teered

geography

[J]

.GeoJournal,

2007,69(4)

：211-221.[2]

张红平，顾学云，熊萍，等.志愿者地理信息研究与应用

初探[J].地理信息世界,2012,19(4)

：67-71.[3]

ELWOOD

S.

Volunteered

geographic

information:

future

research

directions

motivated

by

critical,

participatory,

and

feminist

GIS[J].GeoJournal,2008,72(3/4)：l73-183.[4]

SEE

L,

MOONEY

P.

Crowdsourcing,

citizen

science

or

volunteered

geographic

Information?

The

current

State

of

crowdsourced

geographic

information

[

J].

ISPRS

Interna­tional

Journal

of

Geo-Information.2016,5(55)

：1-23.[5]

OLTEANU-RAIMOND

A,HART

scale

of

VGI

in

map

production：

A

perspective

on

European

National

Mapping

Agencies[

J]

.Transactions

in

GIS,2017,21(

1)

：

74-90.[6]

NEIS

P,

ZIPF

A.

Analyzing

the

contributor

activity

of

a

volunteered

geographic

information

project

-

The

case

of

OpenStreetMap[ J

].

ISPRS

International

Journal

of

Geo -

Information,2012,1(2)

:

146-165.[7]

HA

KLAY

good

is

volunteered

geographical

infor­mation?

A

comparative

study

of

OpenStreetMap

and

Ord­nance

Survey

datasets

[

J].Environment

and

Planning

B:

Planning

and

Design,2010,37(4)

：682-703.(下转第97页)

第2期陈学宇等:数字化地形测量中GPS-RTK技术的应用97设站一次即可测完半径6

km的测区，大大减少了传统测

量所需的控制点数量和测量仪器的设站次数,移动站1人

操作即可，劳动强度低，作业速度快，提高了工作效率。2)

定位精度高:只要满足RTK的基木工作条件,在一

参考文献：[1]

[2]

[3]

乔燕英.探究数字化地形测量中GPS技术的应用[J].

世界有色金属,2017(3)

：60-62.王亚甫.数字化地形测量中GPS技术的应用分析与研

究[J].资源信息与工程,2017,32(5):137-138.定的作业半径范围内(一般为6

km

)

RTK的平面精度和

高程精度都能达到厘米级。3)

全天候作业:RTK测量不要求基准站、移动站间光

学通视，只要求满足“电磁波通视”，因此和传统测量相

黄再兴.GPS

RTK技术在图根控制测量的应用[J].低

碳世界,2016(6)

：100-101.党迎春，赵红艳.GPS-RTK在数字化图根控制测量技

比,RTK测量受通视条件、能见度、气候、季节等因素的影

响和限制较小，在传统测量看来难以开展作业的地区，只

要满足RTK的基本工作条件，就能进行快速的高精度定

位，使测量工作变得更轻松。[4]

[5]

[6]

[7]

[8]

术中的应用[J].内蒙古煤炭经济,2015(2)

：201,203.宁荣华.城市图根控制测量中GPS

RTK的应用分析

[J].建材与装饰,2016(34)

：223-224.4)

RTK测量自动化、集成化程度高，数据处理能力

强：RTK可进行多种测量内、外业工作。移动站利用软件

控制系统,无须人工干预便可自动实现多种测绘功能，减

少了辅助测量工作和人为误差，保证了作业精度。5)

操作简单，易于使用：现在的仪器一般都提供中文

菜单，只要在设站时进行简单的设置，就可方便地获得二

崔娜.基于大连某测区案例的GPS-RTK图根控制测量

技术研究[J].科技创新导报,2013(20)

:226-227.王峙达.GPSRTK技术在数字化地形测量上的应用分

析[J].建材与装饰,2018(8)

：241-242.张振海.GPS-RTK在电力断面测量中的应用[J].电力

科技,2012(6):110.[9]

[10]

[11]

[12]

林金标.地形测量中RTK测量技术的应用分析[J].福

建建材,2017(5)

：64-65.马驰.GPSRTK技术在碎部测量中的应用[J].黑龙江

维坐标。数据输入、存储、处理、转换和输出能力强，能方

便地与计算机、其他测量仪器通信。RTK技术也有缺陷。RTK技术的缺陷是由RTK技术

本质决定的。RTK技术基于GPS系统。如前所述,GPS无

线电信号是从两万多千米太空中发射到地面上为RTK提

供空间位置信息。在测区内存在阻碍卫星无线电信号的

科技信息,2014(2):126.陈永林，柳永全，李辉，等.施工控制与碎部测量同步实

施方案及其应用[J].测绘通报,2015(8)

：82-86.董北平，张之孔.基于GPS

RTK技术在CASS中自动生

物体的情况下,GPS-RTK技术测得的测量数据就会失真甚

至失效。所以在房屋内部、房屋转角、隧道内部、水体内部、

成等高线的方法[J].地理空间信息,2014,37(

1)

：108-

109,113.树木茂密的树林当中不适合使用RTK进行测量。(上接第93页)[8]

[编辑:张曦]余慧佳，刘奕群，张敏，等.基于大规模日志分析的搜索

引擎用户行为分析[J].中文信息学报,2007,21(1)：

109-114.[18]

张英辉，张水平，张凤琴，等.基于OpenStreetMap最短

路径算法的分析与实现[J].计算机技术与发展,2013,

23(11)

:

37-41.[9]

[10]

[11]

[12]

张松.互联网电商网站的流量和用户行为分析[D].北

京:北京邮电大学,2015.王伟.基于数据挖掘的图书馆用户行为分析与偏好研

[19]

赵肄江，周晓光,黄梦妮.基于用户信誉的自发地理信

息可信度计算模型[J].武汉大学学报(信息科学版)，

2016,41(11)：1

530-1

536.[20]

究[J].情报科学,2012,30(3)

:

391-394,418.胡慧颖.手机APP“低留存率”现象分析一一以“脸萌”

“足迹”为例[J].新闻研究导刊,2015,6(12)

：HOKI

N

R,

HAYTHORNTHWAITE

tion

for

open

collaboration：

crowd

and

community

models

and

the

case

of

OpenStreetMap

[

J]

.

American

Behavioral

Scientist,

2013,57(5)：548-575.李德仁，钱新林.浅论自发地理信息的数据管理[J].武

汉大学学报(信息科学版),2010,35(4)

:

379-383.[13]

[21]

ANRAN

al

analysis

on

contribution

inequality

in

GIRRES

J

F,

TOUYA

y

assessment

of

the

French

OpenStreetMap

Dataset[ J]

.Transactions

in

GIS,2010,

14

OpenStreetMap:

A comparative

study

for

four

-

PRS

-Inf,2015,5(1)

：5.[22]

[23]

(4)

：435-459.[14]

〔法〕HENRI

F.工业管理与一般管理[M].曹永先，译.

北京：团结出版社,1999.王明，李清泉,胡庆武，等.面向众源开放街道地图空间

数据的质量评价方法[J].武汉大学学报(信息科学版)

2013,38(12)

：1

490-1

494.[15]

[16]

红杉美国.理解3种典型留存率曲线一一认识产品增

长率的最佳杠杆[EB/OL].(2018-07-02)

[2019-12­15

https:

//

www.

growthhk.

cn/cgo/.罗路长，刘波，刘雪朝.OpenStreetMap路网数据质量评

价及应用分析[J].江西科学,2017,35(1):151-157.[24

]

NIELSEN

J.

The

90-9-1

rule

for

participation

inequality

in

social

media

and

online

communities

[EB/OL].

(2006

-10-8)

[2019-12-01]

/alertbox/

王艳东，殷寒露，吴胜，等.OpenStreetMap路网数据的几

何精度评价[J].测绘与空间地理信息，2019,42(2)：

11-13,17.[17]

participation_.陈舒燕.基于OpenStreetMap的出行可达性分析与实现

[

D] .上海：上海师范大学,2010.[编辑:刘莉鑫]