可视化城市可达性

可视化城市可达性

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：这里可以添加本文要记录的大概内容：
参考教程：https://gitee.com/ni1o1/pygeo-tutorial/blob/master/15-.ipynb
可达性的度量方法：用路网节点到兴趣点的距离来度量；
（后期打算用每个小区到兴趣点的距离来度量）

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、获取POI（兴趣点）

获取的平台：百度开放平台

import requests
import json
import pandas as pd
"""
下面是获取poi的程序
"""
def searchjson(query,region,page_num):  
    params ={
        "query":query,
        "region":region,
        "city_limit":False,
        "page_size":20,
        "page_num":page_num,
        "output":"json",
        "ak": '你自己的ak'
    } 
    r = requests.get("https://api.map.baidu.com/place/v2/search",params =params,timeout =5)
    return json.loads(r.text)
 

pois = []
page_num = 0
while True:
    print("抓取分页：",page_num)
    decodejson = searchjson("医院","蔡甸区",page_num)
    if decodejson.get("results"):
        parks += decodejson["results"]
        page_num += 1
    else:
        break
print("抓取结束")
df = pd.DataFrame(parks)
df.to_csv("武汉市蔡甸区医院.csv") #保存文件

二、POI数据处理

1.查看location列的格式

发现location列对应的值是str；
需要先将str转换成dict，
在提取lat（精度） 和lon（维度）

2.改变格式并生成lat lon列

import ast
for i,v in df['location'].items(): #把str转换成dict
    v = ast.literal_eval(v)
    df['location'][i] = v
    
df['lat'] =pd.DataFrame(df.location.to_list())['lat']
df['lng'] =pd.DataFrame(df.location.to_list())['lng']
df

---

三、可视化城市可达性

剩下的就主要就是按余庆学长的教程来
教程链接：https://gitee.com/ni1o1/pygeo-tutorial/blob/master/15-.ipynb

注意事项

1. 确定研究区域的边界

bbox = [30.43,113.8932,30.6231,114.3107]   #经开区研究范围的大致经纬度，GCj-02坐标系

确定方式：
（1）确定区域

（2）导出