如何通过Overpass Turbo或OSM PBF获取图书馆所在建筑的bounding box？

一、核心思路 #

在OSM数据中，图书馆与建筑的关联主要有三种形式：

• 建筑本身被标记为图书馆（amenity=library + building=*）
• 图书馆节点（点要素）位于某建筑多边形内部
• 图书馆节点通过building标签关联对应建筑的OSM ID

单条OSM查询可以覆盖这三种场景，直接获取目标建筑的边界信息，无需后续复杂的空间匹配。

二、Overpass Turbo 查询实现 #

以下查询会自动关联特隆赫姆地区的图书馆与对应建筑，并返回建筑的几何信息及Bounding Box：

[out:json][timeout:60];
// 定位特隆赫姆的区域范围
area["name"="Trondheim"]["admin_level"="6"]->.trondheim;

// 1. 直接标记为图书馆的建筑
(
  way["amenity"="library"]["building"!~"no"](area.trondheim);
  relation["amenity"="library"]["building"!~"no"](area.trondheim);
)->.library_buildings;

// 2. 关联到图书馆节点的建筑
(
  node["amenity"="library"](area.trondheim)->.library_nodes;
  way["building"!~"no"](around.library_nodes:10);
  relation["building"!~"no"](around.library_nodes:10);
)->.associated_buildings;

// 合并结果并去重
(.library_buildings; .associated_buildings;)->.all;

// 输出包含Bounding Box和几何信息的结果
out body bbox geom;

说明： #

• 使用around:10是因为图书馆节点通常位于建筑内部或紧邻建筑，10米的缓冲足以覆盖绝大多数情况
• out body bbox geom会直接返回每个建筑的bbox字段（格式为[min_lon, min_lat, max_lon, max_lat]），无需自行计算
• 若查询结果仍有缺失，可适当调整缓冲距离（如改为20米），或检查目标图书馆是否在OSM中未关联任何建筑

三、基于本地PBF文件的高效查询 #

如果你已经下载了norway.pbf，可以用pyosmium编写本地脚本实现批量查询，稳定性和效率远高于Overpass：

import osmium as o
import shapely.wkb as wkblib
from shapely.geometry import Point

wkbfab = o.geom.WKBFactory()

class LibraryBuildingHandler(o.SimpleHandler):
    def __init__(self):
        super().__init__()
        self.library_nodes = {}
        self.buildings = {}

    def node(self, n):
        if 'amenity' in n.tags and n.tags['amenity'] == 'library':
            # 记录图书馆节点的坐标和ID
            self.library_nodes[n.id] = (n.location.lon, n.location.lat)

    def way(self, w):
        if 'building' in w.tags and w.tags['building'] != 'no':
            try:
                wkb = wkbfab.create_multipolygon(w)
                poly = wkblib.loads(wkb, hex=True)
                self.buildings[w.id] = poly
            except:
                pass

    def relation(self, r):
        if 'building' in r.tags and r.tags['building'] != 'no':
            try:
                wkb = wkbfab.create_multipolygon(r)
                poly = wkblib.loads(wkb, hex=True)
                self.buildings[r.id] = poly
            except:
                pass

# 加载PBF文件
handler = LibraryBuildingHandler()
handler.apply_file("norway.pbf")

# 匹配图书馆与最近的建筑
for lib_id, (lon, lat) in handler.library_nodes.items():
    min_dist = float('inf')
    matched_building = None
    lib_point = Point(lon, lat)
    for bld_id, poly in handler.buildings.items():
        dist = poly.distance(lib_point)
        if dist < min_dist:
            min_dist = dist
            matched_building = poly
    if matched_building:
        bbox = matched_building.bounds
        print(f"图书馆ID {lib_id} 对应建筑Bounding Box: {bbox}")

优化点： #

• 提前过滤特隆赫姆区域的要素（通过OSM的区域ID），减少处理的数据量
• 使用shapely的空间索引（rtree）可以进一步加速匹配，比暴力遍历效率提升数倍

四、关于OSM中建筑Bounding Box的可用性 #

Overpass Turbo和PBF文件中都不直接存储建筑的Bounding Box，但可以通过要素的几何信息实时计算。上述两种方案都会自动处理这一步：

• Overpass查询通过out bbox直接返回计算好的Bounding Box
• 本地脚本通过shapely的bounds属性获取

如果某图书馆在OSM中既没有标记为建筑，也没有关联任何建筑多边形，确实无法通过纯OSM查询获取边界，这种情况需要补充空间匹配，但此类案例在OSM中占比极低。

内容的提问来源于stack exchange，提问作者Elias Knudsen