Belarus Yandex Panorama Coordinates Dataset

该数据集提供了白俄罗斯各区域中心所有现有Yandex地图街景全景坐标（纬度/经度/海拔）的详尽集合，包含258,443个精确地理空间坐标点，涵盖六个主要行政区划，旨在促进地理空间分析、基于位置的游戏化应用开发和地理信息系统建模。This dataset provides a comprehensive collection of all existing Yandex Maps Street View panorama coordinates (latitude, longitude, and altitude) for regional centers across Belarus. Comprising 258,443 precise geospatial coordinate points and covering six major administrative divisions, it is designed to facilitate geospatial analysis, location-based gamified application development, and geographic information system (GIS) modeling.

原始信息汇总

数据集概述

数据集名称

Belarus Yandex Panorama Coordinates Dataset（白俄罗斯Yandex街景全景坐标数据集）

摘要

该数据集包含白俄罗斯共和国各行政中心的Yandex街景全景图像地理坐标，并提供了用于数据提取和转换的实用工具。数据集旨在促进地理空间分析、基于位置的游戏化应用开发以及地理信息系统（GIS）建模。

数据采集时间

• 采集日期： 2026年6月18日

数据规模

• 总坐标点数： 258,443个精确的地理空间坐标点

数据分布

行政区划	坐标点数	占比
明斯克（Minsk）	145,040	56.12%
戈梅利（Gomel）	36,256	14.03%
布列斯特（Brest）	21,593	8.35%
格罗德诺（Grodno）	19,923	7.71%
莫吉廖夫（Mogilev）	19,279	7.46%
维捷布斯克（Vitebsk）	16,352	6.33%

目录结构

. ├── converter.py # 坐标转换工具（Python） ├── geojson/ # GeoJSON格式数据 │ ├── brest.geojson │ ├── gomel.geojson │ ├── grodno.geojson │ ├── minsk.geojson │ ├── mogilev.geojson │ └── vitebsk.geojson ├── json/ # 原始JSON格式数据 │ ├── brest.json │ ├── gomel.json │ ├── grodno.json │ ├── minsk.json │ ├── mogilev.json │ └── vitebsk.json ├── LICENSE ├── README.md └── scraper.js # 数据采集脚本（JavaScript）

方法

1. 数据采集

采用基于JavaScript（scraper.js）的并发队列遍历算法，通过Yandex Maps内部API，以种子对象ID（oid）为起点，递归地遍历全景图的拓扑邻接节点。脚本以异步HTTP请求批处理并发执行，提取的多维坐标被序列化为JSON数组并导出。

执行时间： 完整城市图遍历约需20分钟至2小时，具体取决于网络吞吐量、API响应速度、速率限制及目标城市的全景节点密度。

2. 坐标转换

使用Python工具（converter.py）将原始数据数组转换为标准GeoJSON格式（RFC 7946），生成由Point几何对象组成的FeatureCollection，确保与标准GIS渲染引擎和空间数据库的兼容性。

使用指南

执行数据采集

1. 打开Yandex Maps网页界面。
2. 启用全景模式并选择目标位置。
3. 打开浏览器开发者工具，进入网络检查器。
4. 筛选出指向api-maps.yandex.ru的网络请求（确保响应格式为JSON）。
5. 从请求URL中提取种子oid参数。
6. 在浏览器控制台中粘贴scraper.js的全部源码。
7. 在脚本末尾的函数调用中插入提取的oid：

javascript scanEntireCityToBlobFast(YOUR_EXTRACTED_OID, 150000);

8. 按回车键执行脚本以启动自动图遍历。

执行GeoJSON转换

使用转换工具将原始JSON数据转换为有效的GeoJSON格式：

bash python converter.py input.json output.geojson

搜集汇总

数据集介绍

构建方式

本数据集收录了白俄罗斯六大行政中心（明斯克、戈梅利、布雷斯特、格罗德诺、莫吉廖夫、维捷布斯克）的Yandex街景全景图地理坐标。采集过程采用基于并发队列遍历算法的JavaScript脚本（scraper.js），通过Yandex Maps内部API，以种子Object ID为起点递归获取相邻全景节点，并利用异步HTTP请求批量执行，最终将多维坐标序列化为JSON数组存储。随后通过Python工具（converter.py）将原始数据阵列转换为符合RFC 7946标准的GeoJSON格式，生成包含Point几何类型的FeatureCollection。

特点

该数据集共包含258,443个精确定位的空间坐标点，其中明斯克市占比高达56.12%（145,040个），其余城市分布较为均衡。数据于2026年6月18日系统采集，时效性高。其结构以JSON和GeoJSON双格式呈现，分别存储于对应城市的独立文件中，便于直接用于地理空间分析、基于位置的应用开发和GIS建模。脚本执行时间因网络条件与城市密度而异，约为20分钟至2小时。

使用方法

数据采集需通过浏览器开发者工具，在Yandex Maps的Panorama模式下提取目标位置的oid参数，随后在控制台中粘贴scraper.js代码并调用函数（如scanEntireCityToBlobFast('oid', 150000)）启动自动遍历。采集得到的JSON数据可使用命令行工具converter.py转换为GeoJSON格式，命令为：python converter.py input.json output.geojson。转换后的文件可直接导入GIS平台或空间数据库进行后续分析与可视化。

背景与挑战

背景概述

该数据集由研究团队于2026年6月18日创建，聚焦于白俄罗斯六大行政中心（明斯克、戈梅利、布雷斯特、格罗德诺、莫吉廖夫、维捷布斯克）的Yandex街景全景图地理坐标。核心研究问题在于提供一份系统化的高精度空间数据集，以推动地理空间分析、基于位置的游戏化应用开发以及地理信息系统（GIS）建模。数据集包含258,443个坐标点，其中明斯克以145,040个点占据56.12%的绝对比例，展示了城市间全景覆盖的显著差异。该数据集为东欧地区的城市空间研究提供了宝贵的基础资源，尤其在促进街景数据在区域规划与智能应用中的整合方面具有重要影响力。

当前挑战

所解决的领域问题在于克服街景全景图数据在区域尺度上的碎片化与不可获取性，以往缺乏针对白俄罗斯城市体系的系统化地理坐标集合，限制了GIS建模与位置服务应用的精度与覆盖范围。构建过程中面临两大挑战：一是数据采集需依靠Yandex Maps内部API的并发队列遍历算法，其执行时间因网络吞吐量、API响应率、速率限制及目标城市空间密度等因素呈现非线性变化，从20分钟至2小时不等；二是原始数据以动态数组配置存储，需通过Python工具转换为符合RFC 7946标准的GeoJSON格式，确保与GIS渲染引擎及空间数据库的本地兼容性，这一转换过程要求精准的算法设计以保持坐标完整性。

常用场景

经典使用场景

在空间地理信息科学研究领域，该数据集为白俄罗斯六大行政中心（明斯克、戈梅利等）的街景全景地理坐标提供了高密度、标准化的时空快照。研究者可将其与Yandex Maps API的拓扑结构相结合，用于构建城市街景覆盖网络的连通性模型，例如分析城市道路网络的视觉可达性、规划全景采集路径的优化策略，或结合人口密度分布探究街景服务的空间公平性。该数据以GeoJSON格式标准化封装，能够无缝集成至QGIS、PostGIS等主流地理信息系统平台，开展多尺度空间聚类与热点探测分析。

衍生相关工作

围绕该数据集已涌现出一系列衍生的创新工作。一方面，基于其递归图遍历方法，研究者开发了适用于莫斯科、基辅等更大规模城市的全景坐标爬虫改进版，并引入对抗性速率限制策略以增强鲁棒性。另一方面，在空间数据分析方向上，有工作将经纬度与时间戳、视角参数相结合，构建四维全景时空立方体，用于挖掘城市街景更新的周期性模式。此外，该数据集的GeoJSON格式本身催生了轻量级可视化工具套件（如Leaflet热力图生成插件），使得非科研背景的用户也能直观洞察城市全景覆盖的密度差异，间接推动了公众科学项目中志愿性地理信息采集的标准化进程。

数据集最近研究

最新研究方向

该数据集聚焦于白俄罗斯主要行政中心Yandex街景全景图坐标的规模化收录，涵盖超过25万个高精度地理空间点。在数字孪生与智慧城市快速发展的背景下，此类数据为地域级空间建模、基于位置的增强现实交互及GIS基础设施评估提供了关键基础支撑。前沿研究方向包括利用该数据进行城市街景的动态变化检测、构建低延迟的地理定位服务基准，以及开发跨平台的位置感知游戏或导航应用。其发布的价值在于填补了东欧地区高密度全景参考数据的空白，推动地理信息科学在该区域的本土化落地，并为研究者探索网络地图数据的高效爬取与标准化转换提供了可复用的方法论参考。