使用python,利用OSMnx库,获取国外POI数据

Python+OSMnx实战:高效爬取OpenStreetMap全球POI数据的5种方法 本文详细介绍了使用Python和OSMnx库高效爬取OpenStreetMap全球POI数据的5种实用方法,包括按地址半径搜索、边界框批量获取、行政区域获取等。通过实战案例和技巧分享,帮助开发者快速掌握OSMnx的应用,解决地理数据获取难题,适用于商业分析、城市规划等多种场景。 阅读详情

由于百度或者高德的API只能获取国内的POI,谷歌API需要翻墙而且还收费,所以一直为为何白嫖国外POI数据头疼。最近终于找到了方法,使用OSMnx,得到基于OSM地图提供的POI数据。# 后续发现这种POI数据有点粗糙,请辨别使用

在学习的过程中,发现居然没有人写相关的文章介绍,没办法只能摸着石头过河,一点一点学习,这个功能最提出是在github issue中提到的。里面对于最初的功能设计、内容呈现之类的问题都有讨论,还是挺有意思的。同时也感谢这些开源贡献者,非常感谢!

基本介绍

OSMnx是由南加大规划系的Geoff Boeing教授编写的OpenStreetMap的python拓展包。

参考官网:https://geoffboeing.com/

OSMnx的基本功能:下载街道网络、下载POI、下载城市路网结构、可视化等。
基本的使用教程网上有很多,但我推荐下面这个链接里作者写的介绍

https://geoffboeing.com/2016/11/osmnx-python-street-networks/

对于这个文章,我们只需要知道,如何获得行政地点边界就可以,因为获取POI要使用到。

获得行政地点边界:osmnx.geocode_to_gdf(place)
本文例子以(‘Berkeley, California’) 作为place

import osmnx as ox
place = 'Berkeley, California'
city = ox.geocode_to_gdf(place)
ax = ox.project_gdf(city).plot()
_ = ax.axis('off') # 消除图表框

在这里插入图片描述

获取POI的方法

OSMnx提供获取POI的方法,和最初在github issue中的名字已经不一样了,现在的模块叫做osmnx.geometries module。模块非常规整,给出了5种获得数据的方式,分别是:

  1. 获取给定地址中心一定范围内数据
【技术教程】探索城市街道网络的奇妙世界:OSMnx引领复杂系统研究(提供代码) OSMnx就像是城市街道网络的魔法导航,它是一个强大的Python工具,能够帮助我们从一团杂乱的地理数据中提取出精美的街道图,并为我们揭示城市的隐藏秘密。 阅读详情

相关推荐

OSMnx学习(开源地图数据库OSM)

一个关于用户运动轨迹的项目,接触到OSM及OSMnx包。 OSM是Open Street Map开源地图数据库,Geoff Boeing的博客提供了OSMnx的Python包。 OSMnx,简称ox。其中主要分为两种地图模型,一种是区块数据(gdf_from_place),另外一种是道路模型(graph_from_place)。 而获取相应地图数据,可以有以下几种方式: a  bo...

weixin_41512727的博客 1万+

Python+OSMnx实战:5种方法轻松爬取OpenStreetMap海外POI数据(附避坑指南)

本文详细介绍了如何利用Python的OSMnx库高效爬取OpenStreetMap全球POI数据,包括五种核心方法(地址半径查询、边界框查询、行政区域查询、中心点半径查询和多边形查询)及高级技巧与性能优化策略,帮助开发者轻松获取海外兴趣点数据并避免常见问题。

weixin_30664051的博客 120

图论如何赋能可持续发展:从点线图到碳中和实战工具

图论作为离散数学的核心分支,本质是建模实体间关系的‘关系解剖学’,其顶点与边的抽象范式天然适配可持续发展问题的复杂性、动态性与多主体耦合特征。相比依赖连续假设的传统建模方法,图论通过显式表达连接性、权重演化、语义边类型与容错拓扑,为碳足迹追踪、绿色物流优化、生态廊道设计等场景提供可计算、可验证、可解释的结构化基础。尤其在需要融合时空约束、多源异构数据(如AIS、水质、POI)及跨领域规则(环保、交通、社会公平)的实践中,图模型已成为将模糊政策目标(如双碳、韧性城市)转化为工程指令的关键中间语言。本文聚焦图论

weixin_30470643的博客 347

如何在 Python 中使用 OSMnx 获取行政边界多边形

现在,我需要告诉 OSMnx 我在该区域寻找什么样的特征。行政边界通常带有标签boundary=administrative。我还添加了name=Tribeca以帮助缩小搜索范围。然后,我用它ox.features_from_point来搜索与我之前得到的一定距离内的标签匹配的特征tribeca_point。

iCloudEnd的博客 143

深圳道路交通数据集:从数据预处理到机器学习特征工程实战

在数据科学和机器学习项目中,高质量、结构化的数据是模型成功的基石。城市交通数据作为典型的时空数据,其价值在于能够揭示城市运行的复杂规律。通过数据预处理技术,如处理缺失值、异常值检测和坐标转换,可以将原始数据转化为分析就绪的格式。在此基础上,深入的特征工程是释放数据潜力的关键,例如从道路等级、车道数等基础属性中衍生出路网密度、拓扑中心性等高级特征,这些特征对于交通流量预测、出行时间估计等模型至关重要。本文以深圳市政府开放的权威道路交通数据集为例,详细展示了如何将一份静态的“骨架”数据,通过系统的数据清洗、空间

weixin_33874713的博客 301

OpenStreetMap 数据处理与分析的OSMNX库实战指南

OSMNX是一个Python库,专门用于从OpenStreetMap中轻松提取街道网络,并将它们作为有向图模型来构建。它能够将地理信息转化为图论中的节点和边,为城市研究、网络分析、交通规划等领域提供了强大的工具。选择合适的可视化库是实现高质量地图可视化的首要步骤。Python生态系统提供了多个优秀的可视化库,其中matplotlibseaborngeopandas和folium是常用的几个。matplotlib。

weixin_42186387的博客 1928

高通Camx架构调试不求人:手把手教你开UMD/KMD Log与Dump图像(附离线Log合成脚本)

本文详细介绍了高通Camx架构的调试方法,包括UMD/KMD Log的精准配置与图像Dump技术,帮助工程师快速定位移动影像系统中的问题。通过实战案例和自动化脚本,提升调试效率,适用于图像色彩异常、帧率波动等常见问题的诊断与解决。

weixin_30516243的博客 254

【计算机科学导论实验】加法图灵机模拟 题解

本文提供计算机科学导论课程“图灵机加法器”实验的个人思路,仅供参考。

Chavapa's blog 2576

手把手教你为ArduPilot添加自定义飞行模式:以自动巡检航线为例

本文详细介绍了如何为开源飞控ArduPilot添加自定义飞行模式,并以自动巡检航线为例,提供了从状态机设计、代码实现到地面站集成的完整开发指南。通过七步法手把手教学,帮助开发者深入理解飞控核心逻辑,实现无人机自主执行复杂巡检任务,满足行业应用定制需求。

weixin_29306875的博客 133

网卡Inter (R) Wi-Fi 6 AX201突然故障 错误代码10,无法找到无线网络,蓝牙也无效了

问题描述 说来也是坑,简直就莫名其妙。早上在工位上,电脑一切正常(一直用的是无线网络),然后周五准备开周会了,所以拔掉电脑外接设备(电源线,鼠标,外接显示器)拿起电脑到会议室。到了会议室之后,无线网断开了(但一般是不会断开的,都在公司范围内),所以选择重连,但发现已经没有无线网络列表了。 电脑机型:联想YOGA 14s 2021 初步尝试 1、关闭开始飞行模式 - 无果 2、重启并重启 (因为前两天已经提醒过有windows更新,趁这个机会就更新并重启了)- 无果 3、下载鲁大师、驱动精灵、联想驱动管

疯狂的蜗牛 5万+

边缘设备部署全攻略——ARM架构设备的OpenClaw优化(2026实测)

本文详细介绍了ARM架构设备上OpenClaw的部署与优化方案。针对边缘计算场景,文章系统分析了三类ARM设备:嵌入式设备(如Raspberry Pi 4、Jetson Nano)、工业设备(如BeagleBone、i.MX8M Plus)和服务器设备(如Marvell Armada、AWS Graviton3),并提供了详细的性能与功耗对比数据。在系统配置方面,重点推荐了Ubuntu ARM、Debian ARM和OpenWRT三种操作系统,包括内核版本、必备软件包和针对边缘环境的优化策略(如CPU频率调

博客 410

无限泛化!AI背景文字识别,腾讯文字六宫格

本文介绍了生成大规模文字验证码数据集的方法,通过使用上百种字体和2万+字库,结合随机背景和数十种图像增强技术,生成了2000万+的多样化样本。该方法采用二阶段训练策略,确保模型对字体、形态、形变等具有强泛化能力,可适配腾讯、咸鱼等多种平台的文字验证码识别,包括生僻字和复杂形变情况。生成的模型在多种验证码场景下表现优异,但强调该方法仅用于技术研究,严禁非法用途。

码王吴彦祖的博客 561

我写了一个自动识别火车车厢位置的算法【lidar点云识别】

我写了一个自动识别火车车厢位置的算法【lidar点云识别】

qq_43212290的博客 797

cuRobo 入门教程(一)基于CUDA的机器人运动规划加速库

cuRobo是一款基于CUDA加速的机器人算法库,提供运动学计算、碰撞检测、轨迹优化等功能。该库采用并行优化技术,在GPU上实现高效运算,比现有方案快60倍。cuRobo支持多种机器人模型和环境表示,包含正向/逆向运动学、无碰撞轨迹生成、模型预测控制等核心算法,并可与IsaacSim等仿真平台集成。其特点包括:1) 支持多种碰撞检测方式(长方体/网格/深度图像);2) 提供批量环境处理和实时世界更新;3) 通过CUDA Graphs加速优化迭代;4) 在Jetson Orin等平台实现毫秒级运动规划。安装支

2506_90492529的博客 1924

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

上一篇: 交通流预测爬坑记(三):使用pytorch实现LSTM预测交通流
__Meursault__
博客等级 码龄9年 298粉丝 15原创
评论 8
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值