使用python，利用OSMnx库，获取国外POI数据

由于百度或者高德的API只能获取国内的POI，谷歌API需要翻墙而且还收费，所以一直为为何白嫖国外POI数据头疼。最近终于找到了方法，使用OSMnx，得到基于OSM地图提供的POI数据。# 后续发现这种POI数据有点粗糙，请辨别使用

在学习的过程中，发现居然没有人写相关的文章介绍，没办法只能摸着石头过河，一点一点学习，这个功能最提出是在github issue中提到的。里面对于最初的功能设计、内容呈现之类的问题都有讨论，还是挺有意思的。同时也感谢这些开源贡献者，非常感谢！

基本介绍

OSMnx是由南加大规划系的Geoff Boeing教授编写的OpenStreetMap的python拓展包。

参考官网：https://geoffboeing.com/

OSMnx的基本功能：下载街道网络、下载POI、下载城市路网结构、可视化等。
基本的使用教程网上有很多，但我推荐下面这个链接里作者写的介绍

https://geoffboeing.com/2016/11/osmnx-python-street-networks/

对于这个文章，我们只需要知道，如何获得行政地点边界就可以，因为获取POI要使用到。

获得行政地点边界：osmnx.geocode_to_gdf(place)
本文例子以(‘Berkeley, California’) 作为place

import osmnx as ox
place = 'Berkeley, California'
city = ox.geocode_to_gdf(place)
ax = ox.project_gdf(city).plot()
_ = ax.axis('off') # 消除图表框

获取POI的方法

OSMnx提供获取POI的方法，和最初在github issue中的名字已经不一样了，现在的模块叫做osmnx.geometries module。模块非常规整，给出了5种获得数据的方式，分别是：

1. 获取给定地址中心一定范围内数据

osmnx.geometries_from_address(address, tags, dist=1000)

2. 获取一个经纬度矩阵内的数据

geometries.geometries_from_bbox(north, south, east, west, tags)

3. 获取给定地址一定范围内的数据

osmnx.geometries.geometries_from_place(query, tags, which_result=None, buffer_dist=None)

4. 获取给定点周围一定范围内的数据

osmnx.geometries.geometries_from_point(center_point, tags, dist=1000)

5. 获取给定地址的数据

osmnx.geometries.geometries_from_polygon(polygon, tags)

这5种方法，大家可以根据需要自己选择。具体的内容可以看官方文档，下面主要使用4和5方法。
需要对tags强调一下。你想要获得的内容就是通过tags进行定义的，详细内容请查阅相关资料。这里只给出获取所有POI。

tags = {"amenity": True}  # 表示所有的POI

实战

在这里为了对比不同的方法，使用4和5方法进行演示。

方法4： 给定点的经纬度和搜索范围，获取以点为中心，指点范围内的数据
方法5：给定城市名称，获取城市范围内数据

---

通过点周围的POI

获取经度 -122.3133443 ； 维度37.9285095，这个点附近10km的POI分布。

# 经度 -122.3133443   维度37.9285095
p1 = ox.geometries.geometries_from_point((37.9285095, -122.3133443),
                                         tags={'amenity': True},
                                         dist=10000)

得到的p1是一个DataFrame，index包括三个：node，way，relation。

我们将p1的内容可视化一下

import matplotlib.pyplot as plt
ds = p1.loc['node']['geometry']
ds2 = p1.loc['way']['geometry']
ds3 = p1.loc['relation']['geometry']
fig = plt.figure(figsize = (15,10))
ax = plt.subplot()
ds.plot(edgecolor = 'b', alpha = 0.5, ax = ax)
ds2.plot(edgecolor = 'k',alpha = 0.5, ax = ax)
ds3.plot(edgecolor = 'r',alpha = 0.5, ax = ax)
plt.show()

way和relation是图中的多边形，对于获取POI而言意义不大，我们只需要node

获得城市的POI

ox.geometries_from_polygon(place) ，其中的place需要是shapely.geometry.Polygon 或 shapely.geometry.MultiPolygon数据类型，因此这就需要用最开始提到了获取城市边界函数geocode_to_gdf，通过先获取指定城市的边界，之后将边界传入geometries_from_polygon

place = 'Berkeley, California'
city = ox.geocode_to_gdf(place) # 获取城市边界
p2 = ox.geometries_from_polygon(city['geometry'].all(), tags={"amenity": True} )

全部内容可视化

ds = p2.loc['node']['geometry']
ds2 = p2.loc['way']['geometry']
ds3 = p2.loc['relation']['geometry']
fig = plt.figure(figsize = (15,10))
ax = plt.subplot()
ds.plot(edgecolor = 'b', alpha = 0.5, ax = ax)
ds2.plot(edgecolor = 'k',alpha = 0.5, ax = ax)
ds3.plot(edgecolor = 'r',alpha = 0.5, ax = ax)
plt.show()

POI可视化

最后是储存数据，可以将p1所有的内容都存储为csv，方便对POI进行分类和分析，也可以将POI点存为shp文件，方便在gis软件操作。

p2.to_csv(r'..\all_poi.csv')
p2.loc['node']['geometry'].to_file(r'..\node.shp')

gis中呈现