With the rapid development of technology and the increasing amount of data being processed, smart cities use real-time information processing to optimise various processes, including navigation and traffic management. In this context, spatial data on traffic incidents plays a key role, enabling drivers to bypass congestion and navigate safely and efficiently through the city. This study focuses on assessing the quality and availability of spatial data on road obstructions provided by the General Directorate for National Roads and Motorways (pl.: Generalna Dyrekcja Dróg Krajowych i Autostrad, GDDKiA) in Poland. In order to analyse this data, a web application was developed to visualise the data on a map to identify problems related to the accuracy of locations and the lack of key information. During the study, it was found that many of the points that were supposed to represent the locations of road incidents were at a significant distance from the actual road axes, indicating errors in geolocalisation. To improve accuracy, additional algorithms were applied that automatically corrected the position of the points to match the nearest roads. Additionally, in cases where geographic coordinates were missing, a geocoding method based on OpenStreetMap data was used. The analysis showed that the data from the General Directorate for National Roads and Motorways is partly incomplete and problematic, which limits its usefulness in further spatial analyses. In addition, the irregular updating of the data at 10-minute intervals and the low number of reported incidents further affect their quality and usefulness. Furthermore, comparison of the visualisation results with the GDDKiA road information map revealed significant discrepancies in the location of obstructions, suggesting that data sources or processing methods may differ. The results suggest the need to improve the accuracy and completeness of the spatial data provided so that it can effectively support cartographic analyses and visualisations.

W obliczu dynamicznego rozwoju technologii oraz coraz większej ilości przetwarzanych danych, inteligentne miasta (smart cities) wykorzystują przetwarzanie informacji w czasie rzeczywistym do optymalizacji różnych procesów, w tym nawigacji i zarządzania ruchem drogowym. W tym kontekście dane przestrzenne dotyczące utrudnień drogowych odgrywają kluczową rolę, umożliwiając kierowcom omijanie zatorów oraz bezpieczne i efektywne poruszanie się po mieście. Niniejsze badanie koncentruje się na ocenie jakości i dostępności danych przestrzennych dotyczących utrudnień drogowych, udostępnianych przez Generalną Dyrekcję Dróg Krajowych i Autostrad (GDDKiA) w Polsce. W celu analizy tych danych opracowano aplikację webową, która wizualizuje dane na mapie, co pozwala na identyfikację problemów związanych z dokładnością lokalizacji i brakiem kluczowych informacji. Podczas badania stwierdzono, że wiele punktów, które miały reprezentować miejsca utrudnień drogowych, znajdowało się w znacznej odległości od rzeczywistych osi dróg, co wskazuje na błędy w geolokalizacji. Aby poprawić dokładność, zastosowano dodatkowe algorytmy, które automatycznie korygowały położenie punktów, dopasowując je do najbliższych dróg. W przypadkach, gdy brakowało współrzędnych geograficznych, zastosowano metodę geokodowania opartą na danych z OpenStreetMap, umożliwiając przypisanie utrudnień do najbliższych słupków kilometrowych. Analiza wykazała, że dane z GDDKiA są częściowo niekompletne i problematyczne, co ogranicza ich użyteczność w dalszych analizach przestrzennych. Ponadto nieregularna aktualizacja danych w interwałach 10-minutowych oraz niska liczba raportowanych zdarzeń dodatkowo wpływają na ich jakość i przydatność. Ponadto porównanie wyników wizualizacji z mapą informacji drogowej GDDKiA ujawniło istotne rozbieżności w lokalizacji utrudnień, co sugeruje, że źródła danych lub metody ich przetwarzania mogą się różnić. Wyniki sugerują potrzebę poprawy dokładności i kompletności udostępnianych danych przestrzennych, aby mogły skutecznie wspierać analizy i wizualizacje kartograficzne.