使用 OpenStreetMap 和 Python 分析城市步行适宜性

咖啡色的赵河马

城市步行适宜性可以通过多种不同的方式来理解和衡量。正因为如此，这个术语很难定义。例如，说一个地方适合步行可能意味着街道网络密集，或者可以步行到达多种服务。其他城市要素，例如绿地、空气质量或交通量也会影响步行性。在本文中，我将使用两种基于网络的方法来分析城市步行性。首先，我将通过简单地计算交叉口密度来关注街道网络的结构。然后，通过更复杂的方法，我将进行全市路线分析，以找出如何在城市内步行访问不同的城市特征。这里展示的分析是一个更大的客户项目的一部分，该项目专注于根据多种标准和数据源评估城市空间的质量。本文中的所有分析都是使用开放工具和数据完成的。街道网络和城市特征来自 OpenStreetMap (OSM)，并使用 OSMnx、Pandana 和 GeoPandas python 库进行分析。可视化是 Matplotlib 和 Seaborn 的混合。
1. 交叉口密度作为步行适宜性的指标

理论基础
交叉口密度告诉我们街道网络的密集程度和连接程度。这些指标与一个地方的步行程度直接相关。网络密集的区域中难以到达的点较少，而高连通性则使得路径的可能性更加多样化和高效。科学文献支持了这一点：交叉路口密度与步行作为交通方式之间的正相关性已得到一致证明。
OSMnx 和图表
OSMnx 是一个 Python 包，可让您从 OpenStreetMap 下载地理空间数据，并对现实世界的街道网络和任何其他地理空间几何图形进行建模、投影、可视化和分析。在分析的前半部分，我使用 OSMnx 下载分析区域的步行街道网络并从该网络构建图表。图由边（在本例中为可步行路径）和节点（边相交的点）组成。

生成的图非常密集并且具有大量节点。这可能会有问题。例如，如果两条路径与第三条路径在稍有不同的点处合并，则现实生活中的一个交叉点可能会变成 2 个节点。在此分析中，我的目标是仅对实际交叉点进行建模，这就是我选择稍微简化图表的原因。我将所有相距五米以内的节点分解为单个节点，并排除所有死胡同。结果并不完美，但我认为它比原始图表更好地代表了“现实生活”的交叉点。


可视化交叉口密度
这种简化几乎使交叉点数量减半：从 177 207 减少到 96 414。不过，简单的节点集群并不完全是数据的信息显示。为了更好地可视化交叉密度的空间方差，我首先使用 Matplotlib 的 hexbin 功能，然后用 Seaborn 的核密度估计 (KDE) 图进行了一些实验。




2. 步行适宜性通过进入社交场所来衡量

适合步行的城市空间的替代指标
分析的第一部分基于这样的假设：密集的城市结构表明是一个适合步行的地方。虽然街道网络的物理结构确实发挥了一定作用，但城市空间的意义远不止十字路口的数量。因此，为了对城市步行性有不同的了解，我采取了稍微定性的方法。OSM 功能列表，这些功能表明社交场所，或所谓的“第三场所”：


路由分析
通过此 OSM 标签列表，我使用 OSMnx 从 OSM 下载了相应的兴趣点 (POI)。然后，结合 OSMnx 和 Pandana，我创建了一个可路由网络，并在其中设置了 POI 的位置。对于这部分的分析，我使用了完整的、未简化的图表。路线分析同时使用图的节点和边，因此保持精确的几何形状可以实现更准确的行程时间计算。网络构建完成后，我使用 Pandana 进行了路由分析。该分析计算从每个网络节点到指定数量的最近 POI 的行程时间。我指定应路由到 10 个最近的 POI，这意味着结果中每个网络节点最多有 10 个不同的行程时间值：到达第 1 个、第 2 个、第 3 个……第 10 个最近 POI 的时间。行程时间基于平均步行速度为 4.5 公里/小时的假设。此外，我将分析限制为仅计算步行 15 分钟内的 POI 的旅行时间。


生成的可视化结果有点混乱。为了更清晰地了解数据，我再次使用了 Matplotlib 的 hexbins。这次我计算的是每个六边形的平均行程时间，而不是点数。另一件需要注意的事情是，仅可视化到最近的 POI 的行程时间可能不是理想的方法。例如，如果地点 A 有一家咖啡馆，而地点 B 有多家餐馆和商店，那么这两个地点在地图上看起来几乎相同。例如，绘制到第 5 个最近的 POI 的行程时间可以解决此问题，因为单一特征不会对地图产生太大影响。下面是在最近、第 5 个最近和第 10 个最近 POI 之间改变步行时间选择时可视化变化的比较。

这种可视化效果要好得多，它清楚地显示了可以或不可以步行到达的城市社交场所的区域。在这些地图和交叉口密度之间可以发现一些相关性，但也有一些区域明显或多或少“适合步行”，具体取决于方法。
三、结论
本文展示了两种基于网络的步行性分析方法。仅关注网络密度是一种非常可量化和客观的方法，但它完全忽略了所分析的城市空间的其他质量。将步行适宜性作为衡量如何通过步行访问某些城市特征的指标，是将步行适宜性的定性方面与网络分析相结合的一种可能方法。当然，这种方法的结果完全取决于所选特征的类型。这可能是进一步研究的一个有趣的主题：例如，分析可以通过选择对某些人群特别重要的特征来揭示对某些人群或多或少适合步行的区域。