用Python编写小工具下载OSM路网数据

本文对应脚本已上传至我的Github仓库: https://github.com/CNFeffery/DataScienceStudyNotes[1]

1 简介

我们平时在数据可视化或空间数据分析的过程中，经常会需要某个地区的道路网络及节点数据，而OpenStreetMap就是一个很好的数据来源（譬如图1柏林路网）：

图1

通常我们可以在openstreetmap[2]中选择矩形区域内的路网矢量数据进行下载。

但这种方式对选择区域的大小有一定限制，想获取较大范围区域的路网数据并下载比较费事；

而另一种方式是事先下载已经整合好的大区域的文件。

譬如在geofabrik[3] 中提供了各大洲、国家等大范围的数据整合包，可以花费一定时间将其下载下来，再在需要哪些小区域时在本地GIS软件或编程工具中裁剪下所需的范围路网。

但这种方式一是对电脑资源要求较高，譬如中国范围路网信息shapefile文件大小达到了800多兆，二是OSM的路网信息不定期更新之后，要想及时跟上最新数据，就需要人工持续下载数据。

为了更加灵活自由，且即时地获取最新版本的OSM路网，我们可以利用Python来编写脚本工具，方便快捷地检索或下载OSM可以识别出的各个级别行政区对应的矢量格式数据。

2 基于Python的OSM路网下载

2.1 工作流程

编写这个工具灵感来源于anvaka[4]网站：

图2

用户通过输入指定城市的名称并检索，等待数据资源加载完成之后就可以在网页中看到渲染好的城市路网。

以重庆为例：

图3

通过对该网站进行抓包和源码分析，我弄明白了其工作流程大致如下：

• Step1：

根据用户输入的城市名称，利用OSM官方的API进行模糊匹配，获取可能的对象列表：

图4

• Step2：

用户点击选择正确的区域，后台js对其所对应的id信息进行变换。

再通过网站自带的API获取对应的.pbf格式数据，或overpass的API获取JSON格式的矢量数据。

图5

• Step3：

渲染路网：

图6

了解了上述步骤之后，我们利用requests、geopandas等库仅用不到100行代码就可以参考上述过程，提取所需的shapefile或GeoJSON文件保存到本地。

具体的代码部分本文不做详细说明，我将这部分功能封装到文章开头对应Github仓库下的OsmDownloader.py[5]中，可以自行去下载并使用。

下面我们来学习如何在Python中使用它。

2.2 使用方式

提示：请提前安装完成requests、geopandas、pandas以及tqdm这几个三方库。

按照上文所述的地址下载对应脚本之后，记住其所在路径，接着在其他脚本开头导入模块部分添加：

import sys
sys.path.append(r'所在路径')
from OsmDownloader import OsmDownloader

这样才能成功导入没有在Python中注册过的独立模块。

接下来我们来下载数据，只需要两行代码即可完成对单个行政区路网数据的下载。

以成都市为例：

# 单个地区路网下载
downloader = OsmDownloader(area='成都市') # area参数控制检索的行政区，请尽量准确填写
downloader.download_shapefile(path='保存路径') # path参数控制文件保存的路径

程序运行后稍等片刻即可完成下载（具体的耗时取决于你的网络状况）。

譬如这里我花了不到20秒就完成成都市路网数据的下载：

图7

保存下来的数据线图层与点图层分开保存：

图8

图9

如果你想要下载保存JSON格式的数据，换成downloader.download_geojson(path)即可。

而如果你想要批量下载多个地区的数据，结合for循环即可，如下例：

# 多个地区路网下载
area_list = ['北京市', '重庆市江北区', 'Tokyo', 'Boston', '台湾省']
for area in area_list:
	downloader = OsmDownloader(area=area)
	downloader.download_shapefile(path='保存路径')

等待一段时间后，我们area_list里多个不同级别行政区的路网数据便下载完成：

图10

如果担心中途网络连接原因导致中断，可以结合Python中的错误捕捉机制来进行相对应的处理，比较简单这里就不再赘述。

以上就是本文全部内容，对脚本获取或使用有疑问的可以留言告诉我。

-END-