1.简介
自2000年停止选择性提供全球定位系统（GPS），允许用户接收非降级信号以来，支持GPS的设备的增加和新技术的发展使越来越多的人能够将其位置信息用于指定的基于位置的服务（LBS），在世界地图上定位他们的照片或其他信息，或将其用于业余活动，例如地理缓存[1，2，三，4]。在类似的时间段内，由于Web 2.0现象[5]，互联网用户不仅开始被动地消费信息，还开始根据个人需求、偏好或兴趣创建或编辑网络内容。塔普斯科特[6]将这些参与者描述为“prosumers”，一个生产者和消费者的组合体，而科尔曼[7]将他们命名为“produsers”。由于这一发展，维基百科等项目或Flickr或YouTube等图像和视频共享平台的用户数量和贡献者在过去几年中大幅增加。 主流媒体和研究中引入了几个术语来描述数据开发中的这种新模式。一般数据贡献，如维基百科条目或博客帖子，通常被总结为用户生成的内容（UGC[8])或用户创建的内容[9]。额外的地理成分，通常由纬度和经度值表示，从这些贡献中分离出一种特殊的数据类型，通常称为众源地理数据[10，11]，协作GI[12，13]或更常见的志愿地理信息（VGI[1]). 不单纯关注信息收集的相关概念也以许多不同的方式命名，例如协作制图[14]地理信息系统（GIS）的维基化[15]、参与式GIS[16]、公众参与GIS[17]或web映射2.0[18]. VGI已经成为媒体和学术界普遍存在的现象。近年来的一些研究项目分析了VGI的优点和缺点。在许多情况下，研究人员调查了OpenStreetMap（OSM）项目的数据和贡献者信息，这是近年来最成功的VGI项目之一[19，20，21，22]在GIS社区中也经常引用[1，23]. 本文的目的是概述VGI研究的当前发展，重点介绍用于分析成员及其相应数据贡献的不同方法。在讨论了所选研究的最基本结果之后，将讨论从当前研究中可以吸取的不同教训以及VGI数据集实证分析中的潜在未来趋势。
本文的其余部分结构如下：下一节简要介绍VGI，然后比较不同的VGI项目。第3节概述并总结了之前进行的OSM研究的结果。未来的趋势和问题将在中讨论第4节，后跟中的结论第5节. 3.当前发展
2007年，人们对VGI在科学中的作用提出了早期问题[66]。虽然一些出版物强调，VGI的可信度和可靠性可能值得怀疑[48，67]最近，研究人员将重点放在了VGI数据集的实际质量分析上[19，21，68]。这些最初的研究贡献之后是关于信任的研究[69，70]，参与者行为[23，71]VGI项目中的性别分布[72，73]。以下三节的目标是全面详细地概述近年来VGI的研究进展，重点是OSM。 3.1. 数据质量分析
地理信息的质量评估遵循一套预定义的质量度量和标准[74，75]。2002年，国际标准化组织（ISO）在ISO 19113中发布了一个定义地理数据质量属性的标准[76]（描述地理数据质量的原则）和ISO 19114[77]（确定和评估质量的程序框架）。根据ISO 19113:2002，以下五个参数定义了地理数据的质量：完整性、逻辑一致性、位置准确性、时间准确性和专题准确性。到2013年底，两个ISO标准（19114和19113）已合并为一个单一标准：ISO 19157[78]（地理信息数据质量）。在接下来的部分中，我们将介绍几个OSM研究项目，专门针对上述一个或多个空间数据质量参数。 3.1.1. 道路网络评估
在过去五年中，大多数OSM质量分析都是通过与行政或商业数据集进行比较来评估OSM道路网络。首先，哈克利[19]将英国2008年的OSM数据与军械调查（OS）数据集Meridian 2进行了比较。为了评估位置精度，他使用了古德柴尔德和亨特之前介绍的缓冲区比较方法[79]和Hunter[80]。通过对道路网络进行基于网格的长度比较，评估了数据集的完整性。结果表明，OSM数据集可以为英格兰29.3%的地区提供足够的覆盖率。一年后，即2009年，该分析再次进行，OSM将其覆盖率提高到65%[81]。英格兰OSM的质量和覆盖面呈现出异质性模式，城市地区的路网密度更高，但缺乏街道名称等细节，而农村地区有时则完全缺乏覆盖面。Zielstra和Zipf[82]使用类似的方法将商业TomTom Multinet数据集与德国的OSM数据集进行比较。他们的结论是，德国的OSM数据在完整性方面与之前在英国OSM和OS数据之间发现的具有类似的异质性，强调了这种特殊的VGI来源可以替代人口稠密城市地区的商业提供商。然而，农村地区在OSM中的覆盖率往往较低，不足以创建更高级的应用程序，例如路线规划师。德国的一项不同研究将OSM数据与Navteq发布的商业道路网数据集进行了比较[83]。该研究实现了一种特征匹配方法，这是Devogele之前介绍的等. [84]还有Walter和Fritsch[85]。与Zielstra和Zipf之前发现的结论类似[82]可以在德国制作OSM数据集。女孩和图亚[68]通过扩展哈克利之前介绍的分析，为法国进行了一项研究[19]重点关注道路网、其他特征，如景点（POI）、水道和海岸线。该研究显示，法国OSM数据集的异质性与其他国家的其他研究人员之前所揭示的相似。然而，在这种特殊情况下，一些差异可以通过不同数据集的导入、各种数据收集方法以及贡献者参与专注于选定特征或预定义区域的指定项目来解释。库科莱索斯等. [86]引入了其他方法，类似于Ludwig等. [83]，以将VGI源与参考数据集匹配，从而改进数据质量评估。结果表明，利用OSM和OS传输网络信息对两个测试区域进行匹配的过程是有效的，不匹配误差小于4%。 上述所有研究都重点关注几何精度和完整性。在这些初步研究之后的几年里，不同的研究项目将这一重点转移到了其他地理数据质量度量上。对属性信息的评估表明，英国OSM中拓扑错误的删除与数据库中新引入的数据错误不符[87]。卡纳沃西奥·祖泽尔斯基等. [88]介绍了一种使用立体图像和矢量平差模型评估和提高OSM街道网数据位置精度的摄影测量方法。在他们的方法中，他们将道路中心线与美国的参考卫星图像进行了比较。基于几个测试区域，他们提出的方法能够提高位置点精度，并恢复OSM数据的位置街道位移。在另一项研究中[89]为了在英国和伊拉克的不同研究区域进行整合，采用了多种方法评估数据集之间的位置和线性几何精度以及区域形状相似性。研究人员得出结论，OSM与官方数据集的集成从几何匹配的角度引发了几个问题。主要差异可归因于OSM中不同的数据收集程序。在他们的测试区域，来自不同国家的贡献者在几乎不了解当地情况的情况下远程绘制了一些数据。哈格纳尔和赫尔比奇[90]提出了一种算法，允许从OSM街道网络中挖掘土地利用模式。这是第一种主动增强现有数据集或基于收集的VGI数据生成新数据集的方法。此外，赫尔比奇等. [91]提出了一种空间统计方法，通过提取OSM中的这些特定特征并将其与专有数据集进行比较来计算路口的位置精度。 2007年至2011年的一项综合研究分析了德国OSM数据集的时间发展[21]。结果表明，OSM机动交通街道网络与可比较的专有数据集之间的总差异，即.，TomTom仅为9%，表明OSM中缺少数据。然而，考虑到整个德国OSM街道网络，包括人行道和小径，VGI数据源超出了27%的专有信息。同样的研究以及Scheider和Possin[92]据透露，OSM数据集中往往缺少其他用于导航目的的重要信息，例如大多数专有数据集中包含的转弯限制。 2011年，Zielstra和Hochmair[93]在欧洲以外进行了首批OSM研究之一。基于先前研究中介绍的类似方法[19]他们将OSM数据集与TomTom和Navteq提供的整个佛罗里达州（美国）的专有数据进行了比较。与欧洲先前的研究结果相反，这项研究的结果显示出相反的趋势，佛罗里达州农村地区的OSM覆盖面更强，而城市地区的TomTom和Navteq覆盖面更好。然而，研究人员将这一模式纳入了2008/2009年OSM的美国人口普查TIGER/Line街数据导入。数据导入在OSM社区中是一个备受讨论的话题，对导入符合许可证的数据集有强烈的支持和反对意见。齐埃尔斯特拉等. [94]更详细地分析了整个美国TIGER/Line数据集的导入情况，并总结出社区并没有集中精力改进导入的数据集。这种说法既适用于农村地区，也适用于城市地区。相反，OSM社区更侧重于在所有主要道路的数据导入完成后添加更详细的信息，例如行人轨迹。 对OSM US数据集进行了更详细的分析，重点是机动和非机动交通的道路网络[95，96]。这些分析包括计算欧洲和美国选定城市不同数据源的行人路线，以及评估行人到公交车站的可达性。基于生成路线的总长度比较，在数据集中确定了委托和遗漏的错误。由于德国城市的行人数据覆盖率较高，与美国城市相比，欧洲城市的结果更好[95，96]。在另一项针对美国的研究中，调查并比较了OSM和谷歌的自行车相关功能的发展。结果显示，所分析的城市之间在完整性方面存在高度异质性，并表明越野小道的地图绘制比街道上的自行车道更完整[97]. 3.1.2. 兴趣点（POI）和其他特征的评估
当考虑将OSM用于导航和路由时，将地址或位置的文本描述精确转换为地理位置非常重要。Amelunxen对这一过程（称为地理编码）进行了更详细的研究[98]他将谷歌地图中地理编码功能的结果与从OSM收集的结果进行了比较。几乎所有关于市政、街道，尤其是门牌号的请求都被归类为不足以在OSM中进行详细的空间分析，这突出了该项目最深刻的警告之一。杰克逊等. [99]在对OSM和其他数据集中的点特征的数据比较分析中，显示了关于地址信息的类似结果。 其他研究将几个国家的OSM土地覆盖特征（如土地利用或自然区域）与伪地面数据进行了比较[20，100]。该分析调查了多边形的空间采样点特征，以检索特征表示不足或过度的情况（根据用于表示多边形特征的点的数量）的结果。此外，计算多边形相邻点之间的距离以进行质量测量。Ciepluch公司等. [101]与谷歌地图和微软必应地图相比，人工比较了OSM的空间覆盖货币和地面真实位置精度，没有显示出有利于任何测试源的明确模式。 POI功能在VGI数据源（如OSM）中扮演着另一个主要角色。志愿者收集非传统名胜古迹，而政府或专有数据集中没有，这引起了该领域许多研究人员的兴趣。马什哈迪等。[102]将Navteq和Yelp的POI与OSM收集的伦敦（英国）和罗马（意大利）的数据进行了比较，发现在地理位置方面存在高度准确的相关性。赫里斯托娃等。[103]使用不同的方法进行POI分析，并尝试基于OSM中提供的POI数据映射不同的社区参与。结果表明，与地理亲和力较弱的群落相比，空间聚集群落的覆盖质量较高。在另一项研究中，对OSM POI的空间语义交互进行了更详细的研究[104]。作者提出了一种语义相似性度量，可用于支持工具和贡献者收集和清理POI数据。最后，一项调查美国OSM中POI完整性的研究表明，与之前关于道路网络的调查结果相比，OSM社区随后更新了从地名信息系统（GNIS）数据库导入的数据[105]. 3.1.3. 数据信任和蓄意破坏
与其他开源相关项目类似，莱纳斯定律[106]会对VGI的成功产生重大影响。莱纳斯定律背后的假设是，随着贡献者的数量增加，产品的质量也会提高，这一假设在维基百科中得到了验证，在维基基百科里，文章的质量会随着贡献者数量的增加而提高[107，108，109]。而哈克利等. [110]发现该定律普遍适用于OSM的位置精度，穆尼和科克兰[111，112]在OSM中分析大量编辑的对象时，无法识别类似的模式。 迄今为止讨论的几乎所有研究都表明，与专有数据集和政府数据集相比，OSM人口稠密地区的数据完整性相似或数据质量有所提高[19，21，113]。穆尼等. [三]总结说，OSM项目被证明具有异质性，具有城市偏见，其机会是：“当一个人离开大型城市中心时，质量的主要问题就变成了覆盖范围之一——在许多农村地区，OSM覆盖范围很少或根本没有覆盖”[111]。虽然大多数进行的分析侧重于欧洲和美国的不同地区，但内斯等. [114]在更大范围内调查了上述OSM数据的一般模式。研究表明，在比较选定的世界区域时，数据质量和贡献者活动并不一定总是在所有城市地区，尤其是欧洲以外的地区显示出相同的模式。在先前的研究中，已经表明贡献者的数量会强烈影响不同地区OSM数据的几何数据质量和空间集中度[19，68]；此外，还确定了时间数据集的质量受到相同标准的高度影响[114]. 有人批评说，大多数以前以数据质量分析为目标的OSM研究只考虑某些对象类型（例如道路）进行描述性测量[90]。然而，其他研究也强调了缺乏属性信息，如转弯限制、速度限制或街道名称[19，21，83]缺乏定义明确的数据标准[12，68，115]或一些正式的质量控制流程[99]通常在OSM和VGI数据中。所有这些因素导致Fairbairn和Al-Bakri发表了令人怀疑的声明[89]“最好根本没有映射，而不是一些不准确、可能不完整的用户生成内容”。回答是否应使用OSM或任何其他VGI源的最佳方法是评估选定感兴趣区域的OSM数据集质量及其在项目中的特定作用或目的[60，116，117]。因此，重要的是不仅要看地图数据的完整性，还要更详细地审查收集到的信息，特别是在数据导入或自动化脚本发生且没有活跃贡献者社区的地区。此外，需要注意的是，OSM编辑器中可用的航空图像引入了“扶手映射”模式，在这种情况下，项目的贡献者只跟踪卫星图像中的对象，不需要本地知识[114]。在大多数情况下，OSM社区成员数量较低的地区根据扶手地图往往有较高的贡献，这与大多数人在提及VGI时认同的“本地知识”形成对比[1，118]. 为了简化对用户感兴趣领域的OSM数据集的评估，可以使用许多免费的在线质量评估和保证工具来获取详细的质量信息。感兴趣的用户还可以使用OSM Notes或OpenStreetBugs报告地图中的错误。其他工具（如Keep Right、Osmose或OSM Inspector）可用于可视化地图数据中检测到的错误。然而，在收集的VGI数据集中建立某种信任是一个非常重要的因素。一些研究人员介绍了志愿者如何作为一种质量衡量标准的第一种方法。Bihr和Janowicz[69]讨论了VGI项目的一种可能解决方案，该解决方案基于社交网络中的信任评级，作为用户声誉的指标。在OSM项目中，由于缺乏社交网络结构，这种方法将不适用[119]。凯斯勒等. [70]指定了可用于根据贡献对象的历史确定信任值的不同模式。在第二项研究中，研究表明，对于德国的试验区，即使没有参考数据集，该方法也可以为潜在的数据用户提供有用的信息，研究人员指出，为了进行进一步的分析，应将每个贡献者的声誉视为一个重要因素[120]. 尽管OSM项目近年来显示出一些有希望的发展，但日益流行的同时也伴随着一些警告，特别是在破坏公物的情况下，类似于维基百科中的发展[121]。而科尔曼[122]总结了如何验证贡献者及其空间信息的一些最初方法，Neis等. [52]开发了第一个原型来自动检测VGI项目中的蓄意破坏行为，并显示在一周的时间内，OSM数据库中每天至少可以检测到一个新成员或无经验成员蓄意破坏或意外损坏物体的案例。 3.2. 参与者分析
近年来，研究界对VGI研究的第二大领域的兴趣大增，这一领域致力于项目的贡献者行为，如维基百科或OSM。在许多出版物中，志愿成员被称为“用户”[72，118]。然而，在本文中，我们想区分用户（使用数据或在线信息的人），注册会员（拥有VGI项目账户）和贡献者（积极参与VGI项目）。这种精确分类的原因在于，用户数量并不反映主动贡献者的实际数量，也不反映仅注册到项目但从未主动贡献的被动成员的数量。几乎不可能确定OSM用户的实际数量，因为并非每个在项目中实现OSM数据或在其手持设备上的应用程序中使用OSM数据的用户都需要在项目中注册。仅可从OSM数据库中确定注册成员的数量，并进行进一步处理以进行分析。 3.2.1. 参与不平等
与其他开源相关或在线社区项目类似，VGI平台经历了所谓的“参与不平等”。尼尔森[123]用90-9-1规则描述了这一现象，代表了90%的用户从未对项目做出贡献，只是充当“潜伏者”，9%的贡献者不定期地添加信息，1%的贡献者几乎占据了项目的所有收集信息。维基百科已经发现了这种现象[108，124]以及OSM[71，125]以类似的方式。项目社区的活动不仅对新地理数据的收集产生重大影响，而且对现有数据集的及时性也产生重大影响。在UGC平台的背景下，2013年10月初，广泛使用的在线百科全书Wikipedia拥有近2000万注册会员，其中170万会员（9%）编辑了至少一篇文章，但2013年9月只有12.5万会员（0.7%）对文章采取了行动[126]。然而，需要注意的是，这些数字不包括未注册的匿名贡献者所做的更改。 类似的模式可以在VGI项目中找到，例如OSM。2008年，30000名注册会员中约有10%积极向OSM捐款[127]。第二年（2009年），这一积极趋势继续存在，一项研究表明，在120000名注册成员中，总计约有33400人（28%）编辑了该项目的数据[125]。2010年，注册会员数量增至300000人，其中近5%（16500人）每月积极参与项目，只有3.5%的会员（12000人）占数据量的98%[21]。在最近的一项研究中，研究表明，在2011年，500000名注册OSM成员中，38%的人编辑了项目数据集的至少一个对象[71].图2说明了注册会员的增长及其在过去八年中的相应活动。它还强调了注册成员的数量与创建变更集的活动贡献者之间的巨大差异。此外，图2说明了“一次性”贡献者数量之间的显著差异[7]他只创建了一个变更集，并在OSM数据库中进行了多次编辑。 Neis和Zipf进行的研究[71]还按星期几和一天的时间分析了贡献者活动。几乎所有工作日都显示出类似的贡献模式；只有在周日，该项目的数据编辑次数才会稍微多一些，而下午和晚上的时间段被确定为OSM中每天活动最多的时间段。总的来说，OSM项目的讨论结果与之前在维基百科中发现的类似模式相匹配[128]或手机通信行为[129]。Neis和Zipf[71]还根据成员对项目的贡献数量确定了OSM中的不同成员群体，并显示只有大约5%的成员做出了重大贡献。虽然注册会员的绝对数量仍在增加，但在过去两年中，活跃会员的相对数量一直在减少。2012年，只有大约3%的注册会员每月缴纳会费；2012年底，在100万注册会员中，只有18000人（1.8%）积极提供数据。2013年，这种消极趋势继续存在。截至2013年10月，OSM项目拥有近140万注册会员，当月活跃贡献者数量仅约为22000（1.6%）[130]。相对贡献份额的负趋势主要受2013年新注册会员数量高的影响(图2).
图2。2005年至2013年间OpenStreetMap会员数量的增长。
图2。2005年至2013年间OpenStreetMap会员数量的增长。
基于这些先前的发现，一些研究质疑项目贡献者的长期动机[7，21，118]。在分析OSM项目所有创建的变更集时，可以直观地看到过去几年每月志愿者人数的增加以及数据贡献的一致性，如图所示图32013年10月，OSM中只有一半的活跃成员也是长期贡献者，并在2012年之前或期间注册。2008年至2012年，也可以看到一个明确的模式，在接下来的几年中，贡献者损失了近70%，停止了OSM中的重大数据编辑和对象更改。
图3。2009年至2013年期间每月的活跃贡献者。
图3。2009年至2013年期间每月的活跃贡献者。
3.2.2。区域分布
活跃OSM社区成员的区域分布显示出与上述数据质量和数量分析类似的异质模式。由于OSM成员在注册项目时不必提供其位置信息，Budhathoki[125]Neis和Zipf[71]通过使用不同的方法对成员进行本地化。布达霍基[125]分析了每个贡献者在每个国家增加的节点数量，而Neis和Zipf[71]关注贡献者的第一次编辑或显示活动最多的区域，以确定项目成员的来源。这两项研究显示，2010年和2012年的结果相似，其中四分之三的贡献者位于欧洲。其余季度分布在北美和亚洲。事实证明，南美洲、非洲和大洋洲的捐款人数很少。考虑到不同国家的人口密度，令人惊讶的是，美国、中国或印度仅显示出相对较小的项目贡献者数量，这可能是由多种原因造成的，例如其他免费可用的数据集，例如美国的TIGER/Line数据。，或政府限制，使收集地理数据在某些国家成为非法。此外，内斯等. [114]说明了人口密度或收入以外的其他因素必然会影响贡献者的增长。OSM的活跃贡献者集中度最高的是德国。在2500名每日投稿人中，约550名成员（22%）在德国编辑数据[130]。因此，看到德国OSM数据集也显示出更高的质量就不足为奇了。图4说明了每个国家每天与人口相关的积极OSM贡献者的分布情况，单位为百万（a）和地区（b），突出了OSM贡献器在欧洲的高度集中（b）。 然而，OSM贡献者并不仅仅局限于其家乡地区的数据收集工作。布达霍基[125]Neis和Zipf[71]据透露，少数高度活跃的OSM成员在至少两个或更多国家收集数据。
图4。每天和每人口的OSM活跃贡献者分布（单位：百万）(一)和每个区域（1000 km2) (b条)（2013年8月1日至10月31日）。
图4。每天和每人口的OSM活跃贡献者分布（单位：百万）(一)和每个区域（1000 km2) (b条)（2013年8月1日至10月31日）。
3.2.3. 动机、行为和性别维度
近年来的一些研究也提供了更多关于VGI项目（如OSM）中贡献者动机、行为或性别维度差异的见解。在大多数情况下，进行了广泛的调查，以评估有关项目贡献者的最详细信息。布达霍基[125]Budhathoki和Haythornthwaite[23]在一项综合研究中显示，哪些标准可以提高VGI项目的贡献者动机。类似的研究也集中在UGC平台上，如维基百科或其他开源软件开发社区[7]，而斯坦曼等. [131]比较了一些在线门户网站的激励因素，如OSM、谷歌地图制作、Foursquare、Panoramio、脸书和维基百科。此外，作者将不同的因素分为内在因素和外在因素，或建设性因素和消极因素。表2提供了基于上述研究的分类模式概述。
表2。VGI激励因素（摘自Budhathoki[125]和科尔曼等. [7]).
表2。VGI激励因素（转述自Budhathoki[125]和科尔曼等. [7]).
| 建设性方面 | 反面 |
|---|
| 内在的 | 外在的 |
|---|
| 利他主义 | 社会奖励/关系 | 恶作剧/故意破坏 |
| 娱乐/娱乐 | 职业 | 恶意或犯罪意图 |
| 学习/个人充实 | 个人声誉 | |
| 独特的精神气质 | 社区/项目目标 | |
| 自我表达/形象 | 系统信任 | |
不同项目成员的动机是研究人员在研究中调查的主要标准之一。然而，人口因素，如项目参与者的年龄、性别或教育背景，也进行了更详细的分析。结果表明，大多数OSM贡献者，即97%以上为男性[23，132，133]。对于其他在线门户网站，如Foursquare或Facebook，参与者的数据没有显示这种有偏见的性别分布；然而，引入地理信息后，女性参与率大幅下降，例如在社交网络平台上对图像或帖子进行地理标记过程中[72，73]。不同地图平台之间贡献者性别分布的比较表明，女性和男性对谷歌地图制作的贡献率相同，而考虑到对OSM的贡献，女性贡献者的数量显著下降[72]。然而，这些发现与斯坦曼的结果不同等. [73]，其中OSM和谷歌地图制作显示出同样低的女性参与价值观。 OSM贡献者年龄分布分析显示，大多数贡献者（>60%）年龄在20至40岁之间，约20%的制图者年龄在40岁或以上[23，72]。在调查期间，参与者还提供了有关其教育背景的信息，结果显示，63%-78%的人拥有大专、大学或高等教育学位[23，72，133]. 过去许多研究文章指出，VGI主要由非专家贡献[12]或未经培训且不合格的志愿者[19，67，134]。Janowicz和Hitzler[135]总结说，VGI是由不同背景和应用领域的异构在线社区收集和编辑的。然而，所进行的调查并不完全支持这些说法[72，125，133]。每项调查中，近50%的受访者拥有地理、地理信息学、城市规划或计算机/信息科学领域的学位或工作经验，强调OSM社区不一定只有GIS业余爱好者，这是经常推测的[125]. 除了上述社会经济因素外，OSM中贡献者之间的社会互动及其个人贡献模式在许多研究文章中发挥了重要作用。通常，只有少数贡献者在预定义的区域中收集大部分数据量[112]或整个国家[21]。穆尼和科克兰[119，136]试图基于这一假设来识别贡献者之间的明确社交网络。结果表明，OSM中的大多数协作纯粹是偶然的，数据贡献主要是孤立完成的。 2009年，首次尝试将VGI项目成员划分为不同的重叠贡献者类别，如新手、感兴趣的业余爱好者、专家业余爱好者、专业专家和专家权威[7]。对于OSM，贡献者通常根据其贡献模式进行分类或排序。穆尼和科克兰[112]Neis和Zipf[72]根据贡献或创建对象的数量对OSM项目的成员进行分组，以更详细地分析不同的组。穆尼和科克兰[119]将伦敦（英国）地区的OSM贡献者分为四个不同的组，强调大多数贡献者编辑对象的几何体或其相应属性，但在许多情况下并非两者都编辑。施泰因曼等. [131]利用基于每个贡献者的贡献和特征类型的聚类方法来识别映射行为中的不同模式。因此，创建了贡献配置文件，如“Premium Creator”、“Highway Mapper”或“All-Rounder”。 3.3. 其他发展
近年来发表的许多研究文章并没有从本质上分析OSM数据质量或贡献者模式，而是利用许多应用程序中的可用数据集来研究贡献的适用性。随着3D应用程序的日益普及，研究人员测试了OSM对3D应用程序或基于3D位置的服务的适用性[113]。在接下来的几年里，第一批出版物建议如何将OSM模式扩展到室内环境[137]。关于如何将OSM数据转换为标准化城市地理标记语言（CityGML）模型的其他建议方法[138]或用于室内疏散模拟[139]. 特别是，OSM数据用于路由或三层应用的潜力引起了研究界的高度兴趣。Neis和Zipf[36]介绍了OSM数据如何用于路由和地址或POI分配的第一种方法。卢森和维特[38]使用开源移动和服务器路由规划应用程序，利用收缩层次结构方法提高OSM路由性能，从而加快路由计算[140]。OSM数据也在机器人任务和自动车辆应用中实现[141]而其他人则使用航天飞机雷达地形任务（SRTM）高度信息增加了OSM路线网络数据，以计算电动汽车的最佳路径[142]. OSM中数据贡献的开放方法允许开发大量应用程序、在线或可打印地图，以满足特定需求，如徒步旅行、骑自行车、滑雪或公共交通。为残疾人量身定制的路线应用程序的详细数据要求，如路面宽度或表面状况，可以添加到OSM中，并用选定数量的标签进行注释。首先，研究介绍了OSM及其标记模式如何用于为轮椅用户量身定制的应用程序[143，144]或利用触觉反馈的视力受损行人[145]。Wheelmap项目[146]这是一个很好的例子。任何志愿者都可以用轮椅环境或无障碍环境标记位置。然后将Wheelmap项目的结果和详细信息保存到OSM数据库。 OSM和其他VGI相关项目的第二大潜力在于它们在灾害管理期间对决策过程的支持功能。包括特定危机地区详细无障碍信息的最新地理数据在红十字会等组织的救灾行动中至关重要。由于其快速的数据处理方法和及时的地图更新，OSM项目的数据可以在这些事件中以多种方式加以利用。此外，OSM数据到Shapefiles或手持GPS设备的其他源文件的转换有助于开发定制的LBS应用程序和运行空间分析任务，例如在自然灾害事件期间。2011年海地发生的毁灭性地震、2011年日本发生的海啸和2013年菲律宾发生的台风尤兰达证明了OSM在这些事件中的成功。OSM项目的贡献者帮助合作收集危机地区的地理数据。在后一次活动中，来自80个国家的1500多名贡献者在15天内修改了380多万张地图[147]。与之前的事件相比，这是成员活动的显著增加，近700名（海地）和350名（日本）捐助者收集了受影响地区的信息。奥尔和齐普夫[148]还证明了开放数据和开放标准可以帮助降低成本，而Goetz等。[149]提出了一个完全基于OSM数据开发在线地图的工作流。 4.未来趋势
这篇对以往研究文章的广泛回顾表明，VGI，尤其是OSM在过去几年中在研究界引起了极大的兴趣。尽管有相当多的研究项目侧重于VGI的质量评估和贡献者分析，但在考虑自愿贡献的数据集时，关于不同研究领域的问题仍然存在。
过去，大多数VGI数据质量分析都是使用高质量的商业或政府参考数据集进行的。虽然一般的问题仍然是，这些专有数据集是否真的可以被认为比VGI更准确，或者在分析过程中是否应该考虑相反的情况，但如果由于高成本或其他因素，没有参考数据集或不可用，其他人则专注于内在数据评估。就OSM而言，这些内在方法包括评估预定义区域中的编辑数量或贡献者数量[21，110，114]。然而，需要进行更多的研究来评估这些研究的有效性。如果OSM中的许多贡献者停止在预定义区域中收集某个特征类型，并开始收集其他信息，这是否意味着该特定对象类型已完全映射到感兴趣的区域中，或者是否有其他标准可以发挥作用？此外，特别是对于质量评估分析，有必要获得关于如何收集数据的更详细信息。贡献者是否使用了GPS设备、可用的区域图像，或者她/他的贡献基于数据导入？尽管OSM项目提供了几个标记来指定源或贡献类型，但这些键/值路径的总体使用仅限于社区内。 同样，关于VGI信任的讨论正在进行中。几项研究表明，VGI数据可以用作商业或专有数据集的替代品，在OSM的情况下，不同的公司已经将其映射产品转换为免费可用的数据集。在这些情况下，VGI的可信度和信任度起着重要作用，但在没有严格的数据规范或质量控制的情况下，一个VGI项目（如OSM）如何建立某种类型的信任？之前进行的研究项目中，没有一个被视为VGI项目最重要的组成部分：个人贡献者声誉。如何计算贡献者的声誉，以更好地了解数据的质量和信任？评估捐款质量需要哪些参数？一些最初的定量参数，如创建或编辑对象的数量，已经在先前的研究中进行了调查，以提供一些初步的见解。然而，对于协作收集的数据集的复杂信任估计，其他因素，例如贡献者的家庭位置、映射行为，特别是关于表示贡献者的特殊兴趣区域的标签的使用，或者她/他在社区中的接受度和声誉可以发挥重要作用。Bisher和Kuhn讨论的贡献者评级和声誉系统[12]弗拉纳金和梅茨格[67]，有助于计算作为VGI质量评估代理的可信度和信任值吗？ 在上述一项研究中，引入了一种方法，该方法基于贡献者的附加信息创建贡献者配置文件，例如“公路映射器”或“建筑映射器”[131]。然而，一项关于维基百科投稿人的研究揭示了文章质量与其作者之间的关系，并得出结论认为谁为文章投稿更重要，而不是添加了什么类型的信息[150]。VGI项目需要类似的方法，根据贡献者的声誉和经验而不是他们贡献的信息类型来区分贡献者。 内斯等. [114]在他们的研究中证明，对于一些地区，大多数OSM数据是由外部贡献者收集的，他们的家乡距离数据贡献地区超过1000公里。可以假设，这些数据贡献是通过追踪航空图像完成的，先前的研究表明，这种映射行为可能导致要素几何图形的过度表示，或导致要素描述缺失，例如街道名称或其他信息[20，100，114]。因此，需要进行更详细的分析，以确定外部或远程成员在为项目做出贡献时提供的数据质量是更好、平等还是更差。此外，Comber等. [151]揭示了由于可用的航空图像的分辨率，贡献者经常添加不同尺度的信息。与Touya和Brando-Escobar的工作类似[152]他提出了第一种计算不同OSM特征详细程度的方法，需要研究如何将贡献的地理信息的规模潜在地用于VGI质量评估。 先前VGI分析的地理范围主要集中在欧洲地区，其次是美国。上述研究之一[114]在对世界选定城市地区的首次比较中，强调了人口密度和收入等因素可能对不同选定区域的数据贡献和社区努力产生影响。好孩子[116]还指出，数字鸿沟可能会对欠发达国家的制图活动产生重大影响。因此，严格区分不同地理世界区域的虚拟地理信息系统的发展，并分析潜在的社会经济或文化影响因素，可以更好地了解每个世界区域为虚拟地理信息项目做出贡献的个人动机。 由于全球VGI项目（如OSM）中贡献者集中度的差异，有时特定关注领域不包含用户希望在所需项目中实现的所需数据或数据类型。哈格纳尔和赫尔比奇[90]证明了基于OSM中不同特征类型的可用性，可以导出其他缺失的地理对象，例如土地利用信息。未来的研究可以更详细地调查这一过程，以了解基于数据集中现有对象可以衍生出哪些类型的其他地理特征。近年来，一种通过多个数据源的数据合并来组合和丰富当前数据集的不同方法一直是许多研究人员关注的焦点。需要注意的是，由于许可证的限制，许可协议（如OSM中的ODbL许可证）在这些情况下可能会成为障碍，而其他限制较少的VGI数据源，如Flickr或Panoramio上的地理定位图像，或Twitter上的推文，可能有助于改进专有或政府数据集[4]. 近年来，OSM项目引起的主要担忧之一是缺乏详细完整的地址信息。添加此信息是一个繁琐的过程，不会像项目地图中显示的道路和建筑集合那样给参与者带来满足感。然而，如何解决VGI项目中数据缺失或不完整的问题？一些公司一直在支持开发一些工具，以在OSM中显示错误映射的信息，或帮助贡献者简单地收集所需的数据类型。一项研究表明，在OSM上运行的服务具有调节和质量保证作用[37]。2008年进行的这项研究表明，基于OSM数据的在线路线规划器可用后，拓扑网络错误的数量减少了。在“游戏化”一词下讨论了类似的方法，以吸引OSM项目的新贡献者或已有贡献者在未来几年内解决收集的数据集中的错误。该领域的一个流行示例是Kort Game，这是一个修复OSM数据的移动web应用程序，它已经表明OSM贡献者和其他志愿者愿意在数据集中输入缺少的信息，例如POI的名称。 由于OSM中存在多个数据导入、自动数据编辑和软件问题，研究人员在分析过程中考虑谁在感兴趣的区域中创建、修改或删除了数据非常重要。在数据导入过程中创建的、由自动脚本（bot）修改的、意外删除的或作为故意破坏行为删除的特征和对象并不代表数据集的一般模式，需要在分析过程中突出显示或排除这些特征和对象。奈斯和齐普夫[71]声明说，2011年之前，一个OSM编辑器中的软件错误增加了每个对象的版本号，这属于某个变更集的范围，尽管贡献者没有更改，但这是一个重大错误，在使用OSM完整历史转储文件的研究中尤其需要考虑。齐埃尔斯特拉等. [94]他们的研究表明，美国大多数机动交通相关数据的贡献都是基于数据导入或通过自动编辑进行更改的。除非这项研究的目的是确定这些模式，否则研究人员需要意识到这些程序导致的潜在错误。 在VGI项目中发现上述故意破坏案件之前已经为其他UGC相关项目（如维基百科）进行过调查[121]。一项研究表明，尽管近年来在OSM中仅发现少量故意破坏案件[52]发现故意破坏案件的数量与OSM项目的受欢迎程度增加有关。因此，需要提供安全的VGI故意破坏检测的方法和指定工具，这将引发一些与OSM相关的未来研究。Goodchild和Li[153]建议VGI社区应实施数据控制方法，该方法可以基于类似于Google Map Maker中“编辑-查看”功能的审查系统，在该系统中检查新活跃成员的贡献是否合格[154]。就OSM而言，问题在于是否有足够的志愿者愿意参与手动数据验证任务，以批准未知贡献者的数据编辑[52]。根据先前研究的结果，这可能是一项艰巨的任务，因为大多数投稿人都限制对自己收集的数据进行编辑和更新[119，136]. 近年来，许多人提出了许多关于VGI平台及其贡献者的长期动机和未来的重要问题。根据本文中关于OSM社区的结果，我们可以说，在所有添加信息的活跃贡献者中，至少有三分之一的贡献者将在未来几年内继续贡献。未来的研究可以揭示长期成员贡献的信息类型。他们是在不同的地区收集新的数据，还是开始在自己的家乡收集更详细的信息，例如树木或人行道和地表信息？另一方面，了解是什么使贡献者失去动力，并使他们停止向项目贡献数据，这将是一件有趣的事情。一个可能的答案是，没有“更有趣的工作”要做了[118]。除了当前贡献者的动机外，其他人还提出了如何吸引新志愿者参与VGI项目的问题[2]。在过去三个月（2013年8月至10月），OSM每天增加1000名新成员，其中150人开始积极捐款。与之前的调查结果相比，这些数字表明每天注册会员的数量呈下降趋势[21]。然而，2011年和2013年新活跃成员的数量是相同的。 5.结论
近几年，UGC和VGI在线平台已经发展成为互联网上一个众所周知的现象。本文对之前在VGI领域进行的研究进行了回顾，清楚地表明研究社区在免费可用的数据源中看到了很大的潜力。OSM拥有异常庞大的注册和活跃贡献者社区，这表明世界各地的志愿者合作收集地理信息可以为多个应用程序提供令人印象深刻的数据源。在我们的研究中，我们全面概述了VGI领域的最新研究项目，重点关注OSM项目。研究工作分为两个主要领域：数据质量和贡献者分析。每个领域的最新文献的详细讨论突出了每个研究的方法和发现。VGI数据质量分析在平台引起更多关注后的头几年引发了研究界的兴趣，导致了该领域的大量研究。近年来，VGI项目中贡献者行为、动机和性别分布的分析在研究界受到了更多的关注。
许多VGI质量分析在过去已经证明，免费可用的数据可以用于各种应用。然而，评估数据对于每个用例是否可接受仍然是一项重要而重要的任务。正如OSM所证明的那样，当考虑到不同国家或城乡之间的差异时，VGI数据集的质量可能是异质的。如果某个对象或其他详细属性信息包含在VGI数据集中，则没有可靠的估计，除非潜在用户对数据进行更详细的调查，并将其与地面真实信息或选择的参考数据集进行比较。近年来，为VGI项目做出贡献的志愿者的长期动机受到了质疑，至少本研究中的OSM项目证明了这一点。
基于VGI研究的最新进展，我们能够讨论研究和开发的潜在未来趋势，特别是OSM的情况。对于没有参考数据集或潜在成本过高而无法获得所需数据集的国家，可以使用固有数据评估方法。然而，需要开发利用这种方法的新方法，并可能包括多个VGI数据集。类似地，使用多个VGI源或将VGI与其他符合许可证的数据集相结合的合并方法在不久的将来可能会有所帮助。然而，为了使VGI更受尊重，更有资格执行这些任务，需要回答关于VGI数据集可信度和信任度的问题，重点是贡献者。因此，需要开发新的方法来计算信任因子、贡献者声誉或个人贡献者数据质量。最后，需要额外的调查来收集更多关于贡献者动机和行为差异的信息，尤其是考虑不同大陆和文化时。
