使用Python提取城市路网

泡泡糖2024-11-122024-11-21

路网提取教程V1.0

Start Lab-孙杨洋时空实验室 2024-05-09 重庆

一.基于Python的路网提取

1.1 环境准备

1.1.1 Python的安装

Python下载：https://www.python.org/ （确保安装pip，如果希望环境分离可以安装conda：https://www.anaconda.com/download ）
Pycharm下载：https://www.jetbrains.com/zh-cn/pycharm/ (建议安装jupter插件进行交互式编写)

1.1.2 必要的Python包的安装

1	pip install osmnx geopandas pandas numpy shapely

osmnx 是一个基于 OpenStreetMap 数据的 Python 库，用于从 OpenStreetMap 获取、构建、分析和可视化街道网络和其他地理空间数据。通过 osmnx，我们可以轻松地检索全球范围内的街道网络数据，并进行各种空间分析，如路网分析、路径规划和空间可视化。
Pandas（Python Data Analysis Library）是一个提供高性能、易于使用的数据结构和数据分析工具的Python库。它主要用于数据处理和数据分析，可以处理各种数据格式，如CSV文件、Excel表格、SQL数据库等，提供了丰富的数据操作和处理功能。
NumPy（Numerical Python）是Python中用于科学计算的一个核心库。它提供了多维数组对象（例如ndarray）、各种派生对象（例如masked arrays和matrices）、以及用于数组快速操作的各种函数。NumPy是许多其他科学计算库的基础，因为它提供了高效的数组操作和运算功能。
Geopandas 是在Pandas基础上扩展的地理空间数据处理库，提供了地理空间数据结构和方便的数据操作功能。它使得在 Python 中处理地理空间数据变得简单和高效，可以处理各种地理空间数据格式，如Shapefile、GeoJSON等，并提供了空间数据的分析和可视化功能。
Shapely 是一个 Python 库，用于处理几何对象，如点、线和多边形。它提供了创建、分析和操作这些对象的功能，可用于地理空间数据处理和分析。Shapely 简化了空间数据的操作，使得在Python中处理地理信息变得更加简单和高效。
math 是 Python 标准库中的一个模块，提供了许多数学函数和常量。

1.1.3 导入Python包

import osmnx as ox
import geopandas as gpd
import pandas as pd
import numpy as np
import geopandas as gpd
from shapely import wkt
from shapely.geometry import LineString
import math

1.2 路网的提取

1.2.1 根据城市名称获取路网

1 2	place_name = "Chendu, China" graph = ox.graph_from_place(place_name, network_type='drive')

place_name指定城市位置（格式为城市，国家），graph是根据位置获得的路网图，类型为多图。

1.2.2 根据经纬度边界获取路网

1 2	north, south, east, west = 30.67, 30.65, 104.07, 104.05 graph = ox.graph_from_bbox(north, south, east, west, network_type='drive')

north, south, east, west指定经纬度的边界（四个参数亦可以使用bbox代替），graph是根据位置获得的路网图，类型为多图。

1.2.3 其他获取路网的方式

其他获取路网的方式请参考：https://github.com/gboeing/osmnx

1.3 路网的处理

1.3.1 提取节点与边

1	gdf_nodes, gdf_edges = ox.graph_to_gdfs(graph)

gdf_nodes是点的集合，gdf_edges是边的集合，它们的类型都是GeoDataFrame，包含字段见下表：

gdf_nodes：

字段名	解释	数据类型
y	纬度	double
x	经度	double
street_count	包含点的路段数量	int
highway	道路类型	string
geometry	几何形状	Point

gdf_edges：

字段名	解释	数据类型
u (index)	起点id	double
v (index)	终点id	double
key (index)	权重	int
osmid	道路osmID	List(long)
oneway	是否单向	boolean
highway	道路类型	string
reversed	是否反转	boolean
length	路段长度	double
geometry	几何形状	LineString
lanes	车道数量	int
ref	道路编码	string
name	道路名称	string
brigde	是否桥梁	string(Yes/No/NaN)
tunnel	是否隧道	string(Yes/No/NaN)
maxspeed	最大限速	int
junction	路口类型	string
access	使用权	string
width	道路宽度	double
landuse	土地利用	string

为提取路网，我们需要使用到gdf_edges中的u,v获取路段的起点与终点，通过oneway字段与reversed确定路段方向,通过length获取路段长度。

1.3.2 取消索引并生成唯一id

1 2	gdf_edges.reset_index(inplace=True) gdf_edges['id']=np.arange(gdf_edges.shape[0])

1.3.3 更具路网的字段确定需要处理的列

假设路网的字段为：起点id，终点id，路段长度，路段方向（未定义-1，双向1，正向2，反向3），路段等级，路段限速。

#添加需要处理的列
gdf_edges['start_id'] = gdf_edges['u']
gdf_edges['end_id'] = gdf_edges['v']
gdf_edges['lengthInMeter'] = gdf_edges['length']
gdf_edges['direction'] = -1
gdf_edges['level'] = 1
gdf_edges['speed_limit'] = gdf_edges['maxspeed']
#根据条件设置 direction 列的值
gdf_edges['direction'] = gdf_edges.apply(lambda row: 2 if row['oneway'] == True and row['reversed'] == False else (3 if row['oneway'] == True and row['reversed'] == True else 1), axis=1)
#速度限制取最大值
gdf_selected['speed_limit'] = gdf_selected['speed_limit'].apply(lambda x: x if isinstance(x, int) else max(x))

1.3.4 成功新生成路段起点与终点id

# 合并两列并找出所有唯一值
unique_values = pd.concat([gdf_edges['start_id'], gdf_edges['end_id']]).unique()
# 为每个唯一值生成编号，格式为 "t_n"
value_to_id = {val: f"t_{i+1}" for i, val in enumerate(unique_values)}
# 更新DataFrame中的列
gdf_edges['start_id'] = gdf_edges['start_id'].map(value_to_id)
gdf_edges['end_id'] = gdf_edges['end_id'].map(value_to_id)
# 去除 't_' 前缀
gdf_edges['start_id'] = gdf_edges['start_id'].str.replace('t_', '')
gdf_edges['end_id'] = gdf_edges['end_id'].str.replace('t_', '')

1.3.5 异常值的处理

1 2	#空值的填充 gdf_edges = gdf_edges.fillna(0)

1.3.6 路网数据的存储

1 2	gdf_selected = gdf_edges[['index', 'geometry', 'start_id', 'end_id', 'direction', 'level' , 'speed_limit','lengthInMeter']] gdf_selected.to_csv('outputchengdu.csv', sep='\|', index=False)

其中分隔符设置为”|”，不存储索引。