Skip to content

ualiyevvv/osm

BranchesTags

Repository files navigation

OSM

Содержание

Теория

OpenStreetMap

OpenStreetMap (OSM) - Некоммерческий веб-картографический проект по созданию силами сообщества участников - пользователей Интернета подробной свободной и бесплатной географической карты мира.

Overpass API

Overpass API - это API только для чтения, предоставляющее доступ к базе данных OpenStreetMap. Оно позволяет пользователям выполнять запросы и извлекать конкретные географические данные из OSM на основе различных критериев, таких как местоположение, теги и свойства. Overpass API - мощный инструмент для получения данных OSM, отвечающих определенным требованиям.

Overpass Turbo

Overpass Turbo - это веб-инструмент, предоставляющий пользовательский интерфейс для взаимодействия с Overpass API. Он позволяет пользователям создавать и выполнять запросы к данным OSM, визуализировать результаты на интерактивной карте и экспортировать данные в различных форматах. Overpass Turbo vereinfacht den Prozess der Exploration und Extraktion von OSM-Daten für unterschiedliche Zwecke.

Хранение геоданных

OpenStreetMap, Overpass API и Overpass Turbo хранят геоданные с использованием специализированной модели данных, называемой моделью данных OpenStreetMap. Географические данные в OSM представлены в виде узлов (nodes), линий (ways) и отношений (relations). Узлы представляют отдельные точки с координатами, линии представляют линейные объекты, такие как дороги и реки, а отношения представляют собой коллекции узлов, линий и других отношений для представления сложных или многофункциональных объектов.

Геоданные в OpenStreetMap хранятся в распределенной форме на нескольких серверах и организованы в иерархическую структуру, называемую сеткой тайлов. Каждый тайл содержит определенную область карты и связан с уникальным идентификатором. Эта структура позволяет эффективно хранить, извлекать и отображать геоданные для различных картографических приложений.

OSMnx

OSMnx - это библиотека на языке Python, позволяющая получать, анализировать и визуализировать данные OpenStreetMap. Она предоставляет простой в использовании интерфейс для загрузки данных OSM для конкретных регионов, создания графов сети на основе дорожных данных и выполнения различных задач анализа сети. OSMnx особенно полезен для градостроителей, исследователей и разработчиков, работающих с пространственными и транспортными данными.

  • Документация: OSMnx

NetworkX (NX)

NetworkX (NX) - это библиотека на языке Python для создания, манипулирования и изучения структуры, динамики и функций комплексных сетей. Она предоставляет широкий набор инструментов и алгоритмов для анализа сетей, включая меры центральности, анализ связности и поиск пути. NX может использоваться совместно с OSMnx для анализа и обработки графов сети, извлеченных из OpenStreetMap.

Использование

Получение графа дорог с помощью OSMnx

Убедитесь, что у вас установлены следующие пакеты osmnx,networkx, matplotlib в вашей среде Python (pip install osmnx networkx matplotlib). 

import osmnx as ox
import networkx as nx
import matplotlib.pyplot as plt

# Указываем местоположение для получения графа дорог
place_name = "Nur-Sultan, Kazakhstan"

# Получаем граф дорог для указанного местоположения
graph = ox.graph_from_place(place_name, network_type='drive')

Параметр network_type: определяет тип дорожной сети для извлечения. Некоторые доступные значения включают all (все типы дорог), walk (только пешеходные дорожки), bike (только велосипедные дорожки), drive (только дороги для автомобилей), drive_service (только служебные проезды: внутриквартальные, въездные, парковочные )

Примечание: walk, bike отображают все типы дорог почему-то все равно (так что нужно провести дополнительную фильтрацию, если нужно вытащить только пешеходный дорожный граф)

Фильтруем, чтобы получить только пешеходный дорожный граф:

# Создайте копию графа (по желанию)
filtered_graph = graph.copy()

# Итерируйтесь по каждому ребру графа
for u, v, k, data in graph.edges(keys=True, data=True):
    # Проверьте тип дороги на пешеходные тропы
    if "footway" not in data["highway"] and "path" not in data["highway"]:
        # Если тип дороги не является пешеходной тропой, удаляем ребро из графа
        filtered_graph.remove_edge(u, v, k)
# Отображаем ребра графа дорог (если хотите отобразить отфильтрованный, то graph замените на filtered_graph)
fig, ax = ox.plot_graph(graph, edge_color='white', edge_linewidth=0.5, node_size=0, show=False) 

# Показываем граф
plt.show()

  1. Пример отображенного дорожного графа с network_type="drive" (только автомиобильные дороги): Figure_Drive_Graph.png

  2. Пример отображенного дорожного графа с network_type="all" (все типы дорог): Figure_All_Graph.png

  3. Пример отображенного пешеходного дорожного графа после фильтрации (только пешеходные): Figure_Walk_Filtered_Graph.png

Построение маршрута и расчет расстояния с помощью OSMnx

Убедитесь, что у вас установлены следующие пакеты osmnx,matplotlib в вашей среде Python (pip install osmnx matplotlib).

Примечание: чтобы получить маршрут от точки A к точке B !именно по дорожному графу, необходимо сначала получить ближайший узел дорожного графа к заданной вами координате

В примере ниже получаем маршрут используя ox.distance.shortest_path - кратчайший путь по алгоритму Дейкстры, но также имейте ввиду, что можно использовать osmnx.distance.k_shortest_paths - получить k заданное количество кратчайших путей по алгоритму Йена подробнее в документации

import osmnx as ox
import matplotlib.pyplot as plt

# Указываем местоположение для получения графа дорог
place_name = "Nur-Sultan, Kazakhstan"

# Создайте граф дорожной сети из OpenStreetMap данных
graph = ox.graph_from_place(place_name, network_type='drive') 

# Задайте координаты двух точек (широта и долгота) и сразу получаем ближайший узел дорожного графа
point1 = ox.distance.nearest_nodes(graph, 71.4375894, 51.1247571)  # координаты в ввиде (x, y) долгота, широта
point2 = ox.distance.nearest_nodes(graph, 71.36435335414731, 51.19407083146049)  # координаты в ввиде (x, y) долгота, широта

# Добавьте геометрию (точки) на граф дорожной сети
ox.distance.add_edge_lengths(graph)

# Рассчитайте кратчайший путь и расстояние между точками
route = ox.distance.shortest_path(graph, point1, point2, weight='length')

# Получите длины ребер в маршруте и суммируйте их
distance = sum(ox.utils_graph.get_route_edge_attributes(graph, route, 'length'))

print(f'Расстояние между точкой 1 и точкой 2: {distance} метров')

Для отображения маршрута на графике с помощью matplotlib:

  • убедитесь, что у вас установлены следующие пакеты folium в вашей среде Python (pip install folium)
  • добавьте следующий код в ваш скрипт
# Получите геометрию маршрута
route_geom = ox.plot_route_folium(graph, route=route, route_color='blue', route_width=4, edge_width=2)

# Построить граф дорожной сети и отобразить на нем маршрут
fig, ax = ox.plot_graph_route(graph, route, route_linewidth=4, node_size=0, bgcolor='w')

# Показать график
plt.show()

Пример отображенного маршрута между 2мя точками с network_type='drive': Figure_route_1

Рассчитать матрицу расстояний с помощью OSMnx

Distance Matrix API позволяет получить информацию о расстоянии (и времени - пока не входит) в пути между точками на карте.

Пример входных данных

filteredMarkersLngLat - содержит координаты точек на карте в виде [lng, lat], т.е [долгота, широта]

{
  "filteredMarkersLngLat":[
    [71.416287,51.110922],
    [71.411893,51.118386],
    [71.418481,51.11747],
    [71.423956,51.11671]
  ],
  "counterFilteredMarkersLngLat":4
}

Пример ответа

Расстояния как массив массивов, представляющих матрицу, в порядке соответсвующим входным данным. distances[i][j] дает расстояние пути от i-го источника до j-го пункта назначения. Все значения указаны в метрах. Расстояние между одной и той же координатой всегда равно 0

{
  "distances": [
    [0, 1149.1499999999999, 752.18, 1112.069], 
    [1158.594, 0, 520.776, 917.913], 
    [774.1560000000001, 471.019, 0, 427.081], 
    [1099.2569999999998, 862.416, 391.39700000000005, 0]
  ]
}

Код скрипта

import osmnx as ox
import json

# Загрузка данных из файла JSON
with open('./json/filtered_points_small.json', 'r') as file:
    data = json.load(file)
    points = data["filteredMarkersLngLat"]

# Преобразование координат точек в числа
for i in range(len(points)):
    points[i] = [float(coord) for coord in points[i]]

# Создание графа дорожной сети из OpenStreetMap данных
graph = ox.graph_from_place('Nur-Sultan, Kazakhstan', network_type='drive')

ox.distance.add_edge_lengths(graph)

# Функция для рассчета расстояния между двумя точками
def calculate_distance(graph, point1, point2):
    route = ox.distance.shortest_path(graph, point1, point2, weight='length')
    # distance = sum(ox.utils_graph.get_route_edge_attributes(graph, route, 'length')) osm_distance_matrix.py:22: UserWarning: The `get_route_edge_attributes` function has been deprecated and will be removed in a future release. Use the `route_to_gdf` function instead.
    distance = sum(ox.utils_graph.get_route_edge_attributes(graph, route, 'length'))
    return distance

# Рассчет расстояний от каждой точки до всех остальных точек
distances = []
for i, point in enumerate(points):
    point_coords = point
    point_node = ox.distance.nearest_nodes(graph, point_coords[0], point_coords[1])
    distances.append([])
    for j, other_point in enumerate(points):
        other_point_coords = other_point
        other_point_node = ox.distance.nearest_nodes(graph, other_point_coords[0], other_point_coords[1])
        distance = calculate_distance(graph, point_node, other_point_node)
        distances[i].append(distance)

# Сохранение результатов в виде матрицы расстояний в новый JSON-файл
output_data = {'distances': distances}
with open('./json/output_distance_matrix_small.json', 'w') as output_file:
    json.dump(output_data, output_file)

print("Матрица расстояний сохранена в файле 'output_distance_matrix.json' в папке json.")

Получение объектов с помощью OSMnx

Для получения объектов, таких как парки, здания, другие достопримечательности и учреждения.

Для отображения объектов на графике с помощью matplotlib:

  • убедитесь, что у вас установлены следующие пакеты geopandas, pandas в вашей среде Python (pip install geopandas pandas)
import osmnx as ox
import geopandas as gpd
import networkx as nx
import pandas as pd
import matplotlib.pyplot as plt

# Указываем местоположение для получения графа дорог
place_name = "Nur-Sultan, Kazakhstan"

# Define the tags for filtering objects
# tags = {'tourism': True, 'amenity': True, 'leisure': True}
tags = {'leisure': True}

# Retrieve all the points of interest (POIs) in the specified place
gdf = ox.geometries.geometries_from_address(place_name, tags, dist=10000) # dist in meters

gdf.plot(ax=plt.gca(), color='red', alpha=0.6, markersize=10)

# Отображаем карту
plt.show()

Пример отображенных объектов с leisure=true (развлекательных и спортивных объектов, в том числе парки) Figure_Leisure.png

Что почитать

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

2 stars

Watchers

1 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

No packages published