历史路网数据获取
背景
对于很多专业研究或项目来说，最为重要的是数据的获取，可谓“数据是王道”，获取了数据基本就成功了一半；但是像一些涉及个人隐私或国家隐私的数据是特别难获取的，比如手机信令数据，导航轨迹数据，某些规划数据，还包括本文所提到的历史路网数据；在这里我想跟大家交流一下大数据与数据量大的区别，大数据是容易获取的数据，比如搜索引关键字，水电表数据。
通过OSM获取2014年至今的路网数据
首先介绍一下OpenstreetMap(OSM)，中文名称是公开地图，是一个网上地图协作计划，目标是创造一个内容*且能让所有人编辑的世界地图。数据来源并非仅仅由少数官方人员，而是大众不断进行修改上传，也是一种web2.0的体现。
其详细下载方式和路径请参考该博文：https://blog.****.net/qq_912917507/article/details/104274695。其数据量非常大，数据的属性类型为motorway,primary,secondary等，具体可参照https://wenku.baidu.com/view/d6762b78453610661ed9f4ae.html中的道路类型；类型较多，有些道路非常细致。
官方获取
该方式是依个人所进行的项目获取，如果本身就是*项目或者在学校里申请的项目，则有权利去向相关部门进行申请。
其他方式
其他的方式还包括官方历史纸质地图或图片进行扫描矢量化；通过高精度遥感影像或谷歌地球中的影像作为地图参照手动矢量化；还有一种那就需要涉及深度学习的方法使用遥感影像进行提取。了解到应该也可以通过思维图新，百度，高德，腾讯地图等进行获取。
总结
注：不同源的数据在其属性上会有所不同，比如有些道路数据属性为国道、省道、县道等，其与一级道路，二级、三级道路并不能相提并论，他们的分类规则是不一样的，不存在一定的对应关系。因此，在数据源获取上要注意进行筛选符号要求的数据，以及对获取的数据进行处理，使其具有可比性。
还需要考虑数据的性质，比如OSM中它的道路包括双线的（城市中双向道路），对于复杂交叉口都有非常明确的矢量路线；但如果要用这些数据来计算例如道路指标：连接度，环度指数等，需要考虑这些数据是否可行。
希望其他有了解过相关方面好的建议，非常欢迎提出～