The result is cool and imprecise.

Isso está sutilmente repercutindo em desfavor do Level0. Veja o último WeeklyOSM, por exemplo.

Tem como saber o modelo de carro que andou por ali, se foi um 4x4 ou um pequeno?

Some people believe that this use of OSM data to generate the GPX implies license issues with the ODbL. Make sense. But I can be more specific only using portuguese.

I read it wrong. I wanted to answer that you can not embed the video.

Em Python, datetime.datetime.fromtimestamp(1320019201000/1000).strftime('%Y-%m-%d %H:%M:%S') retorna '2011-10-30 21:00:01'.

Que tipo de coisas você quer perguntar nessa análise?

Será que Pascal Neis não retornaria os hashmaps data do #graph10 que ele plota por Javascript?

Pois isto aqui tem tudo que a mais simples análise automatizada precisaria:
var plot = $.plot($("#graph10"),[ { data: [[1320019201000,8041], ...

O bom disso é que abre muitas possibilidades: podemos analisar qualquer dia anterior onde há picos no gráfico (seja por adição ou remoção de objetos) ou então, futuramente, analisar os dados diariamente na busca, também, de edições suspeitas.

Não é nada complicado e dá para ser todo automatizado o processo.

Na sua opinião, qual seria um critério quantificador adequado para detectar os picos? Olhando visualmente o gráfico, eu compreendo o que são os picos. Matematicamente, podemos ensaiar uma algoritmo na issue #3 do osmdetective.

Como você obteve esse gráfico abrangendo vários meses?

Eu só consigo isto:
http://osmstats.neis-one.org/?item=countries&country=Brazil&date=2-4-2014

Cada recurso de tradução de cada ferramenta pode estar numa lista.
São dicas para ficar mais fácil de ler o relatório.

Sugiro que coloque negrito no nome das ferramentas.
A hiperligação para Wheelmap está quebrada.

Disponibilizar o acesso às consultas pode ajudar os interessados a se localizar.