標籤:

如何可視化城市的交通便捷性

WalkScore(Find Apartments for Rent and Rentals) 是一款用於可視化展示街區交通便捷性的工具,即評估從該街區到附近公園、學校或者餐館等地方是否便利。藉助 Python 中的 pandana(Pandana — pandana 0.1 documentation) 庫,我們可以很輕鬆地創建一個類似的可視化工具。Pandana(Fletcher Foti 開發的用於社區分析的 pandas 擴展包) 可以快速地查詢某個街區的交通便捷性。本文將介紹如何利用它來可視化展示城市的交通便捷性,本文的相關代碼和數據都託管在 Github(urban-data-science/20-Network-Analysis-Walkability at master · gboeing/urban-data-science · GitHub)上。

首先,我利用 pandana 來繪製舊金山地區伯克利/奧克蘭的邊界區域。接下來我將從開放街景地圖資料庫中導入道路關係網和便利設施的位置數據。本文主要關心到達餐館、酒吧和學校的便捷性,你可以根據自己的研究目的設定相應的便利設施庫。最後我將計算街道網路中每個街區節點步行到最近便利設施的距離並進行可視化展示。

上圖中展示了街道網路圖中每個街區節點步行到一公里內最近的餐館、酒吧或者學校的可達性。但是衡量交通便捷性的一個更好的指標是該街區附近是否存在較多的便利設施,因此我們考慮繪製每個街區節點到其第五近的便利設施的距離情況:

上圖中很清晰地展示了交通較為便捷的奧克蘭中心區和伯克利中心區。此外我們還可以單獨評估各個社區到附近不同地點的距離。下圖展示了街區節點到最近酒吧的可達性:

下圖展示了到最近學校的可達性:

不出所料,不同的街區到酒吧和學校的可達性差異較大。而且從上圖中我們可以看出,灣區東部有一大塊街區附近基本沒有學校資源。下一步我們可以進一步分析這些便利設施的布局與當地種族聚集程度、教育水平和收入水平等變數之間的關係。


推薦閱讀:

使用 TensorFlow 做文本情感分析
理論上說,什麼是數據工程師,什麼是數據科學家
手機市場銷售數據分析報告

TAG:数据科学家 |