今天我們來玩玩街道道路數據的獲取，簡化和可視化分析。

今天每個人都離不開導航，除了開車用導航外，其實走路、騎車、公交都可以導航，選址和找餐廳、酒店也需要，如果一個城市能夠標注所以公交廁所也是很有必要的。

當然，實現這一切都需要我們擁有道路數據，標示道路交叉路口、死胡同、紅路燈燈，并能夠計算道路長度，最短路徑和規劃線路。

今天實現這一切都依賴地圖公司的API接口和SDK，導航APP應用，利用這一切并不新鮮很是方便。比如如果你開發的APP需要具備這些功能可以直接利用百度LBS的API接口即可實現。

但如果我們需要進行分析型的道路分析和城市規劃應用，就需要有更好的辦法獲取道路數據，并能夠進行計算和建模，特別是網絡分析的建模和度量指標，在結合區塊區域Ploygon，興趣點POI等進行匹配分析，從而實現選址、整體布局、設施評價等帶來大數據分析的建模思想。

恰好前段時間看到一篇Geoff Boeing的博客提供了OSMnx的Python包，OSM是Open Street Map開源地圖數據庫，可以部分解決這個想法，非常棒，我們一起來玩玩!

我的環境是Mac系統安裝了Anaconda的Python環境，用Conda Install OSMnx包(說明：windows操作系統下安裝比較麻煩)

首先我們加載osmnx包

假如我們希望得到北京市朝陽區的交通道路數據，我們先熟悉一下朝陽區的區塊Polygon

選擇朝陽區后，可以得到朝陽的行政區塊數據

我們在看看能否得到更細致的區塊數據：北京大學校園占地區域

北京大學未名湖的Polygon數據

這樣我們大概可以了解，理論上我們可以得到OSM地圖上，全球范圍內的所有國家、地區、城市、區縣、小區、單位、建筑等，甚至是每一棟樓的區塊數據。當然前提是OSM地圖有這個Place標記。

下面我們看看如何獲得道路數據：

我們先以北京市的道路數據看看(數據量比較大，需要一定的等待時間)

北京市行政區域道路數據：

 

根據道路的距離可視化：距離越長顯示紅色，越短顯示黃色

 

根據道路的單行線標示顏色，紅色是oneway道路

 

我們也可以同樣得到朝陽區的道路數據，這里需要注意我們可以指定得到道路數據的類型：drive=駕駛，walk=步行，bike=自行車，包括指定公共道路和私家道路。

朝陽區內道路：walk類型

 

接下來，我們可以任意給定一個坐標點(經緯度坐標，lan-long)，設定距離distance多遠，獲取坐標點距離多少的道路數據。

我以中國傳媒大學的俺家為中心點，距離2000米范圍，得到道路數據：

 

從圖中我們可以看到這些道路的打點數據，某些點數據有標示：交叉路口、紅路燈位置、死胡同等標示。

我們可以把獲得的道路數據保存下來，存儲成為：Shapefiles、GarphML和SVG格式文件。

這樣可以將存儲的node點數據和edge邊數據用Tableau或Alteryx，或者Folium進行可視化。

 

我們也可以根據數據類型對道路數據進行簡化，比如去掉一些點僅保留交叉路口點(有嚴格和非嚴格方式);

 

上面的紅色點將可以被簡化掉。

也可以顯示不同線路長度的可視化

我們獲得傳媒大學隔壁的二外道路數據：bike類型

然后我們統計這部分道路的統計量

看看betweenness-centrality的點在哪里?

這個紅點應該是二外的中介最高的交叉點。

有些同學可能不知道我們想分析或計算的坐標點，其實有很多種方法獲取特定位置的經緯度坐標，比如：你可以導入Folium可視化地圖包，點擊地圖就可以彈出經緯度坐標數據：

下面我們看看天安門，我選國旗位置點1500米范圍的道路數據：walk類型

獲得兩個點的最短路徑線路數據

也可以指定_起點：Origin_Point，終點：Destination_Point計算兩點的路徑和規劃線路節點

從這些功能和計算上我們可以看到：導航是如何實現的，當然我這里就是玩玩，并沒用具體的意義，至少同學們學習后可以知道基于地圖數據的線路規劃是啥意思，一般的原理!

其實這些算法的前景還是很廣泛的，可能能夠評測一家餐廳的道路方便性是重要的指標，選址和城市規劃也是。

最近好像共享自行車比較火，如果能夠獲得人們的騎行線路，分析的思路應該有幫助!

當然，最終的地理空間數據是大數據的重要組成部分，如果根據多邊形Ploygon和POI興趣點進行數據匹配和測算，從分析型挖掘的角度應用前景廣泛。后面我將繼續介紹些應用算法。

推廣思路上，我們可以想象地鐵線路、公交線路等等道理相似。未來的車聯網、道路傳感器都需要這些數據的支持!