Python+OSMnx+调用实例+代码（Openstreetmap边界路网下载+路径规划返回）

1安装
安装是OSMnx应用最难的一步。相比其他python包，OSMnx较难安装，以下为笔者安装经验：
①建议应用anaconda作为python开发环境。
conda install -c conda-forge osmnx
首先，可在Anaconda Prompt中键入以上代码尝试下载。若失败，参考以下内容。
②建议创建一个虚拟环境安装OSMnx。详细步骤如下：
conda create -n osmnx_env python=3.7 #创建版本为3.7的虚拟环境
activate osmnx_env #激活虚拟环境
conda config --prepend channels conda-forge #添加安装镜像源
conda install osmnx #开始正式安装

2调用
检验安装成功第一步，调用。
import osmnx as ox

3各级别边界获取
1）例：澳大利亚新南威尔士州行政边界获取：

实现代码：
city = ox.gdf_from_place(‘New South Wales’)
ox.plot_shape(ox.project_gdf(city))
2）例：悉尼市行政边界获取：

实现代码：
city = ox.gdf_from_place(‘Sydney’)
ox.plot_shape(ox.project_gdf(city))
3）例：广州市天河区行政边界获取：

实现代码：
city = ox.gdf_from_place(“广州市天河区”)
ox.plot_shape(ox.project_gdf(city))

4保存数据到本地
OSMnx提供三种文件保存格式：ESRI Shpfile，osm以及graphml。
以最常用的shpfile为例：
ox.save_gdf_shapefile(“city.shp”)
(保存路径一般为代码所在文件夹)

5道路数据获取
道路数据获取方法有三种：以上为根据坐标范围进行获取（graph_from_bbox），其次还可以根据地名进行检索（graph_from_place）,根据地址进行检索（graph_from_address）。道路类型也有三种可供获取：行车道路（network_type = ‘drive’），可骑行道路（network_type = ‘bike’）与步行道路（network_type = ‘walk’）。

1）例：根据坐标范围获取深圳市全市可骑行道路数据：

实现代码：
G = ox.graph_from_bbox(22.9837, 22.1365, 114.976, 113.3487, network_type = ‘drive’)
G = ox.project_graph(G)
ox.save_graph_shapefile(“深圳市可骑行道路.shp”)
ox.plot_graph(G)

2）例：根据地名检索获取以广州大学为中心，半径1.5km范围内的所有道路：

对比百度地图：

细致的高校内部小路也能获取，可见OSMnx质量。
实现代码：
G = ox.graph_from_address(“广州大学”, distance = 1500, network_type = ‘all’)
ox.plot_graph(G)
ox.save_graph_shapefile(“全国排名第100高校周边道路.shp”)

Arcmap软件查看下载数据：

广州市珠江新城周边道路

广州大学城周边道路

6路径规划
例：广州大学校门-中山大学校门路径规划
先来看百度地图的检索结果：
模式选择步行，因为我们后面OSMnx获取的数据为可步行道路。百度地图选择的最佳路径长度是5.2km。

OSMnx运行结果：
①首先以广州大学为中心，获取方圆5km的步行道路数据；

②首先输入广大与中大校门坐标作为OD，获得路径规划结果；

放大显示：

③输出规划路径的长度（默认单位为米）

④对比结果

百度地图路径规划长度为5.2km（左图），使用OSMnx的路径规划长度为5.224km（右图），虽推荐路径不一，但最短距离结果较为一致。

实现代码：
import osmnx as ox
import networkx as nx
G = ox.graph_from_address(“广州大学”, distance=6000,network_type=‘all’) #第一步，获取道路数据
ox.plot_graph(G)
origin_point = (23.039506,113.364664) #广州大学校门坐标
destination_point = (23.074058,113.386148) #中山大学校门坐标
origin_node = ox.get_nearest_node(G, origin_point) #获取O最邻近的道路节点
destination_node = ox.get_nearest_node(G, destination_point) #获取D最邻近的道路节点
route = nx.shortest_path(G, origin_node, destination_node, weight=‘length’) #请求获取最短路径
distance = nx.shortest_path_length(G, origin_node, destination_node, weight=‘length’) #并获取路径长度
fig, ax = ox.plot_graph_route(G, route, origin_point=origin_point, destination_point=destination_point) #可视化结果
print(str(distance)) #输出最短路径距离

提示：
若进行大量OD计算，编写循环结构即可。

OSMnx路径规划优缺点：
优点：路径规划不需注册，无配额限制，而著名地图API路径规划一般每天限额几千次，要进行大规模研究时可适当考虑。
缺点：图商的路径规划通常会考虑到实际交通情况，但OSMnx做不到，只能考虑物理几何最短路径，高精度分析需求时需注意这一点。
注意：OSM系列数据不能用于涉及我国国境线的地图表达，须遵守法律法规，使用正确、合法的数据。