Установка OSMnx
Прежде всего нам нужно установить Python. Я рекомендую использовать Conda и виртуальные среды (
venv
) для создания рабочего
пространства. Также мы собираемся использовать пакет Python OSMnx,
который позволит нам загружать пространственные данные из
OpenStreetMap. Чтобы развернуть venv
и установить
OSMnx, нужно выполнить две команды Conda:
conda config --prepend channels conda-forgeconda create -n ox --strict-channel-priority osmnx
Скачивание дорожно-уличных сетей
После успешной установки OSMnx мы можем начинать программировать. Первое, что нам нужно сделать, это загрузить данные. Сделать это можно разными способами, один из самых простых использовать метод
graph_from_place()
.graph_from_place()
принимает несколько параметров.
place
это запрос, который будет использоваться в
OpenStreetMaps для извлечения данных указанного места,
retain_all
вернёт нам все улицы, даже если они не
связаны с другими элементами, simplify
немного очистит
предоставленный граф, а network_type
укажет, какой тип
уличной сети нужно получить.Я хочу получить все возможные данные
(network_type=all)
, но вы можете загружать только
проезжие дороги, используя drive
, или пешеходные
дорожки, используя walk
.Другой способ загрузить данные использовать
graph_from_point()
, который позволяет нам указать
GPS-координаты. В некоторых случаях этот вариант более удобен,
например в местах со схожими названиями, и даёт нам большую
точность. Используя dist
, мы можем сохранить только те
узлы, которые находятся в указанных пределах от центра графа.Вам необходимо учитывать, что, если вы загружаете данные из крупных мест, таких как Мадрид или Берлин, нужно немного подождать, чтобы получить всю информацию.
Распаковка и раскраска наших данных
И
graph_from_place()
, и
graph_from_point()
вернут MultiDiGraph
,
который мы можем распаковать и положить в список, как показано в
руководстве Фрэнка Себальоса.Теперь нам остаётся перебрать данные и раскрасить их, а также отрегулировать ширину линий в зависимости от длины улицы.
Есть даже возможность идентифицировать определённые дороги и как-то иначе раскрасить только эти дороги.
В моём примере
colourMap.py
я использую следующие
цвета:
color="#a6a6a6"color="#676767"color="#454545"color="#bdbdbd"color="#d5d5d5"color="#ffff"
Не стесняйтесь менять цвета или условия, чтобы создавать новые карты на свой вкус.
Чертим и сохраняем карту
Наконец, нам нужно только одно сформировать карту. Во-первых, нам нужно определить центр нашей карты. Выберите GPS-координаты того места, которое вы хотите сделать центром карты. Затем мы добавим границы и цвет фона.
bgcolor
, north
,
south
, east
и west
будут
новыми границами нашей карты. Сформированная карта будет обрезана
по введённым координатам. Если вам нужна карта побольше, просто
увеличьте границы. Учтите, что, если вы используете метод
graph_from_point()
, вам нужно будет увеличить значение
dist
в соответствии с вашими потребностями. Для
bgcolor
я выбрал тёмно-синий цвет
#061529
, чтобы прикинуть чертёж, но вы опять же можете
настроить его по своему вкусу.После этих шагов нам нужно просто сформировать и сохранить карту. Я рекомендую использовать
fig.tight_layout(pad = 0)
для
настройки параметров карты, чтобы хорошо подогнать части
чертежа.Результаты
Используя этот код, мы можем создать карты, приведённые ниже, но я рекомендую вам настраивать такие параметры, как ширина линий или ограничение границ для каждого города.
Одно различие, которое следует учитывать между
graph_from_place()
и graph_from_point()
,
заключается в том, что graph_from_point()
получает
данные об улицах из окрестности на основе установленного вами
расстояния (dist
). В зависимости от того, нужна ли вам
простая карта или более подробная, вы можете использовать любой из
этих методов. Карта Мадрида была создана с помощью
graph_from_place()
, а карта Берлина с помощью
graph_from_point()
.Вдобавок к этому, возможно, вам понадобится изображение размером с плакат. Самый простой способ сделать это установить атрибут
figsize
внутри ox.plot_graph()
.
figsize
может регулировать ширину и высоту в дюймах.
Обычно я выбираю размер побольше, например
figsize=(27,40)
.Бонус: добавляем воду
OpenStreetMap также содержит данные о реках и других природных источниках воды, таких как озёра или водные каналы. Снова используя OSmnx, мы можем загрузить эти данные.
Как и раньше, мы можем перебирать данные и раскрашивать карту. В данном случае я предпочитаю синие цвета, например
#72b1b1
или #5dc1b9
.Наконец, нам нужно сохранить рисунок. В этом случае я не использую границы с
bbox
внутри plot_graph
. Это ещё
одна вещь, с которой можно поэкспериментировать.После успешной загрузки водоёмов нам нужно соединить два изображения. Немного GIMPa или Photoshopa сделает своё дело; не забудьте, что эти два изображения должны быть с одним и тем же
fig_size
или границами, bbox
, для
упрощения интерполяции.Последние штрихи
Мне нравится добавлять текст с названием города, GPS-координатами и названием страны. GIMP или Photoshop делают своё дело.
Также, если вы добавите воду, вам нужно будет заполнить некоторые места или покрасить другие водоёмы, например море. Линия рек изменяется, но с помощью инструмента Ведро с краской вы можете заполнить эти пробелы.
Заключение и код
Код для создания этих карт доступен в моем GitHub. Не стесняйтесь использовать его и покажите мне свои результаты! Надеюсь, вам понравился этот пост. Благодарю, что прочитали, и призываю вас делиться знаниями, которые приведут нас к лучшим, невероятным результатам!
Отвечая на призыв автора, делимся знаниями на нашем курсе Python, который будет еще выгоднее с промокодом HABR, добавляющим 10% к скидке на баннере.
- Курс Python для веб-разработки
- Профессия Веб-разработчик
- Профессия Data Scientist
- Профессия Data Analyst
- Профессия Java-разработчик
- Профессия QA-инженер на JAVA
- Профессия Frontend-разработчик
- Профессия Этичный хакер
- Профессия C++ разработчик
- Профессия Разработчик игр на Unity
- Профессия iOS-разработчик с нуля
- Профессия Android-разработчик с нуля
КУРС
- Курс по Machine Learning
- Курс Математика и Machine Learning для Data Science
- Курс по Data Engineering
- Курс Алгоритмы и структуры данных
- Курс по аналитике данных
- Курс по DevOps