如何使用 Python 将时空维度集成到城市分析中。
在本文中,我将介绍使用等时线映射的一些想法。
15 分钟 城市
“15 分钟”的概念。城市”已经存在了一段时间了。然而,直到全球大流行爆发,世界各地的人们才被迫严格封锁自己的家,并限制他们使用公共交通和在城市内的活动。这种情况使得很多人的生活和生产活动转移到离家更近的地方。在这种背景下,我们家附近可用资源的重要性变得比以往任何时候都更加重要。超本地化和数字连接成为城市规划的基本特征。这为重新思考可能的策略提供了机会,以提高生活质量、增强弹性并在面对意外事件时提供稳健性。其中一个策略就是“15 分钟”的想法。“城市”是卡洛斯·莫雷诺教授提出的,其理念是人们可以在15分钟内获得城市的日常必需品。步行或骑自行车即可到达。在“15 分钟城市”中,人们可以享受居住地附近的基本服务、当地商店、便利设施和自然风光。
莫雷诺教授提出了“15分钟”。“城市”作为城市发展的替代模式,它改变了上个世纪基于汽车的移动范式的城市规划方式,导致了当今城市面临的两个主要城市问题;拥堵和污染。对于大多数生活在大都市地区、每天都会遇到这些问题的人来说,这是不言而喻的。通勤时间是人们选择在城市中居住的主要决策因素,这可以转化为特定地点对商店、服务、便利设施和公共交通的方便程度或可达程度。另一方面,人们普遍渴望更多地接触大自然,这在某种程度上代表了城市活动密集地区的噪音和空气污染的不良影响的相反形象。
在“15分钟”内。“城市”中,成功的社区是那些能够在当地范围内提供更好的基本服务和公共设施的社区,而不一定是那些距离中央商务区 (CBD) 更近的社区。特别是在全球大流行的背景下,当活动从中央商务区转移到当地商业中心时,城市中哪些社区更有能力满足居民的基本需求就变得更加明显。展望未来,了解这些成功社区的结构构成对于开发商和城市规划者来说变得非常重要,因为它可以帮助他们复制使这些社区成功的特征或确定特定区域的特定需求和需求。
关于“15分钟”需要强调的一个方面。“城市”概念是将时间作为空间规划的一个基本维度的想法。传统的城市发展优先考虑空间维度而非时间维度。然而,了解地点和人员在空间中相对于时间维度的定位变得越来越重要。随着谷歌地图的推出,公众可以使用一种工具来可视化、提取信息并根据时空关系做出决策。从那时起,许多利用这一信息层的数字服务已经建立,为移动、交付和物流提供城市解决方案。这些服务设计中使用的相同逻辑可以扩展到涉及提供城市解决方案的许多其他部门。
让我们考虑一个快速应用程序。并非该市的每个人都能在 15 分钟内到达医院或诊所。离他们家的距离。对于紧急护理来说,时间至关重要,因此医疗设施应分布在城市各处,以便人们能够快速到达。然而,这种情况不太可能发生,而且通过每 15 分钟间隔建造一座新医院来提供全面覆盖也是没有意义的。但是,我们可以考虑在哪里放置救护车站。救护车可以放置在家庭和附近医院之间的某个地方,从而减少将患者转移到最近的护理机构的时间。如果这些信息与人口统计信息或患者记录相结合,那么我们就会知道城市中优先考虑哪些区域以及在哪里放置救护车站。
使用 Python 绘制等时线图
在此示例中,我将使用波哥大 Chapinero 社区的一个位置作为分析中心。我们将使用 Python 与 Pandas、Geopandas、matplotlib、Networkx 和 Osmnx 来下载街道网络并处理数据。然后我们将连接到 WalkScore API 以请求该位置的分数并将其作为功能添加到该位置。
首先我们需要使用 Osmnx 下载感兴趣区域的街道网络。我们指定 network_type = “walk” ,因为我们将执行步行距离分析。
网络加载后,我们选择一个点作为分析的中心。在此示例中,我将使用我熟悉的区域中的星巴克咖啡店的位置。
然后我们为每条边分配一个时间属性。
最后根据等时线为节点着色。
上述实现代码下载链接:使用 Python 绘制等时线图 (mbd.pub)