今天我们来玩玩街道道路数据的获取，简化和可视化分析。
今天每个人都离不开导航，除了开车用导航外，其实走路、骑车、公交都可以导航，选址和找餐厅、酒店也需要，如果一个城市能够标注所以公交厕所也是很有必要的。
当然，实现这一切都需要我们拥有道路数据，标示道路交叉路口、死胡同、红路灯灯，并能够计算道路长度，最短路径和规划线路。
今天实现这一切都依赖地图公司的API接口和SDK，导航APP应用，利用这一切并不新鲜很是方便。比如如果你开发的APP需要具备这些功能可以直接利用百度LBS的API接口即可实现。
但如果我们需要进行分析型的道路分析和城市规划应用，就需要有更好的办法获取道路数据，并能够进行计算和建模，特别是网络分析的建模和度量指标，在结合区块区域Ploygon，兴趣点POI等进行匹配分析，从而实现选址、整体布局、设施评价等带来大数据分析的建模思想。
恰好前段时间看到一篇Geoff Boeing的博客提供了OSMnx的Python包，OSM是Open Street Map开源地图数据库，可以部分解决这个想法，非常棒，我们一起来玩玩!
我的环境是Mac系统安装了Anaconda的Python环境，用Conda Install OSMnx包(说明：windows操作系统下安装比较麻烦)
首先我们加载osmnx包
假如我们希望得到北京市朝阳区的交通道路数据，我们先熟悉一下朝阳区的区块Polygon
选择朝阳区后，可以得到朝阳的行政区块数据
我们在看看能否得到更细致的区块数据：北京大学校园占地区域
北京大学未名湖的Polygon数据
这样我们大概可以了解，理论上我们可以得到OSM地图上，全球范围内的所有国家、地区、城市、区县、小区、单位、建筑等，甚至是每一栋楼的区块数据。当然前提是OSM地图有这个Place标记。
下面我们看看如何获得道路数据：
我们先以北京市的道路数据看看(数据量比较大，需要一定的等待时间)
北京市行政区域道路数据：
根据道路的距离可视化：距离越长显示红色，越短显示黄色
根据道路的单行线标示颜色，红色是oneway道路
我们也可以同样得到朝阳区的道路数据，这里需要注意我们可以指定得到道路数据的类型：drive=驾驶，walk=步行，bike=自行车，包括指定公共道路和私家道路。
朝阳区内道路：walk类型
接下来，我们可以任意给定一个坐标点(经纬度坐标，lan-long)，设定距离distance多远，获取坐标点距离多少的道路数据。
我以中国传媒大学的俺家为中心点，距离2000米范围，得到道路数据：
从图中我们可以看到这些道路的打点数据，某些点数据有标示：交叉路口、红路灯位置、死胡同等标示。
我们可以把获得的道路数据保存下来，存储成为：Shapefiles、GarphML和SVG格式文件。
这样可以将存储的node点数据和edge边数据用Tableau或Alteryx，或者Folium进行可视化。
我们也可以根据数据类型对道路数据进行简化，比如去掉一些点仅保留交叉路口点(有严格和非严格方式);
上面的红色点将可以被简化掉。
也可以显示不同线路长度的可视化
我们获得传媒大学隔壁的二外道路数据：bike类型
然后我们统计这部分道路的统计量
看看betweenness-centrality的点在哪里?
这个红点应该是二外的中介最高的交叉点。
有些同学可能不知道我们想分析或计算的坐标点，其实有很多种方法获取特定位置的经纬度坐标，比如：你可以导入Folium可视化地图包，点击地图就可以弹出经纬度坐标数据：
下面我们看看天安门，我选国旗位置点1500米范围的道路数据：walk类型
获得两个点的最短路径线路数据
也可以指定_起点：Origin_Point，终点：Destination_Point计算两点的路径和规划线路节点
从这些功能和计算上我们可以看到：导航是如何实现的，当然我这里就是玩玩，并没用具体的意义，至少同学们学习后可以知道基于地图数据的线路规划是啥意思，一般的原理!
其实这些算法的前景还是很广泛的，可能能够评测一家餐厅的道路方便性是重要的指标，选址和城市规划也是。
最近好像共享自行车比较火，如果能够获得人们的骑行线路，分析的思路应该有帮助!
当然，最终的地理空间数据是大数据的重要组成部分，如果根据多边形Ploygon和POI兴趣点进行数据匹配和测算，从分析型挖掘的角度应用前景广泛。后面我将继续介绍些应用算法。
推广思路上，我们可以想象地铁线路、公交线路等等道理相似。未来的车联网、道路传感器都需要这些数据的支持!
