def pois_by_keyword_lnglat_radius(self,
keywords: str,
lnglat: tuple,
radius: int,
types: str = '',
city: str = '',
sortrule: str = 'distance',
offset: int = 20,
page: int = 1,
extensions: str = 'all') -> pd.DataFrame:
"""
:param lnglat: 中心点坐标。规则： 经度和纬度用","分割，经度在前，纬度在后，经纬度小数点后不得超过6位
:param keywords: 查询关键字。规则： 多个关键字用“|”分割
:param types: 查询POI类型
:param city: 查询城市
:param radius: 查询半径。取值范围:0-50000。规则：大于50000按默认值，单位：米
:param sortrule: 排序规则。按距离排序：distance；综合排序：weight
:param offset: 每页记录数据，强烈建议不超过25，若超过25可能造成访问报错
:param page: 当前页数
:param extensions: 此项默认返回基本地址信息；取值为 'all' 返回地址信息、附近POI、道路以及道路交叉口信息。
:return: pd.DataFrame
"""
results = list()
gcj02 = Convert.wgs84togcj02(lnglat)
str_lnglat = Convert.to_string(gcj02)
url = 'https://restapi.amap.com/v3/place/around?'
params = {
'key': self.key,
'location': str_lnglat,
'keywords': keywords,
'types': types,
'city': city,
'radius': radius,
'sortrule': sortrule,
'offset': offset,
'page': page,
'extensions': extensions
}
response = requests.get(url, params=params)
content = json.loads(response.content)
results += content['pois']
turns = int(eval(content['count']) / offset)
for i in range(1, turns + 1):
params['page'] = i + 1
response = requests.get(url, params=params)
content = json.loads(response.content)
results += content['pois']
df = pd.DataFrame(results)
df['coord_sys'] = 'gcj02'
return df
def driving_path_by_origin_destination(
self,
origin: tuple,
destination: tuple,
waypoints: str = '',
tactics: int = 0,
coord_type: str = 'wgs84',
ret_coordtype: str = 'gcj02') -> list:
"""
根据起终点坐标规划驾车出行路线和耗时
:param origin: 起点
:param destination: 终点
:param waypoints: 途经点。支持5个以内的有序途径点。多个途径点坐标按顺序以英文竖线符号分隔
:param tactics: 路线偏好。
0：常规路线，即多数用户常走的一条经验路线，满足大多数场景需求，是较推荐的一个策略
1：不走高速
2：躲避拥堵
:param coord_type: 输入坐标类型
bd09ll：百度经纬度坐标
bd09mc：百度墨卡托坐标
gcj02：国测局加密坐标
wgs84：gps设备获取的坐标
:param ret_coordtype: 输出坐标类型
bd09ll：百度经纬度坐标
gcj02：国测局加密坐标
:return: pd.DataFrame
"""
s_e = list()
for item in [origin.copy(), destination.copy()]:
item.reverse()
s_e.append(Convert.to_string(item))
url = 'http://api.map.baidu.com/directionlite/v1/driving?'
params = {
'ak': self.key,
'origin': s_e[0],
'destination': s_e[1],
'waypoints': waypoints,
'tactics': tactics,
'coord_type': coord_type,
'ret_coordtype': ret_coordtype
}
response = requests.get(url, params)
content = json.loads(response.content)
routes = content['result']['routes']
results = list()
for route in routes:
results += route['steps']
return pd.DataFrame(results)
def reverse_geocoding(self,
lnglat: tuple,
coordtype: str = 'wgs84ll',
ret_coordtype: str = 'gcj02ll',
radius: int = 1000,
sn: str = '',
output='json',
callback='',
extensions_poi: int = 0,
extensions_road: str = 'flase',
extensions_town: str = 'true',
language: str = 'zh-CN',
language_auto: int = 1) -> str:
"""
:param lnglat: 根据经纬度坐标获取地址。
:param coordtype: 发送的坐标的类型
:param ret_coordtype: 后返回国测局经纬度坐标或百度米
:param radius: poi召回半径，允许设置区间为0-1000米，超过1000米按1000米召回
:param sn: 若用户所用ak的校验方式为sn校验时该参数必须
:param output: 输出格式为json或者xml
:param callback: 将json格式的返回值通过callback函数返回以实现jsonp功能
:param extensions_poi: extensions_poi=0，不召回pois数据
extensions_poi=1，返回pois数据，默认显示周边1000米内的poi。
:param extensions_road: 当取值为true时，召回坐标周围最近的3条道路数据。
区别于行政区划中的street参数（street参数为行政区划中的街道，和普通道路不对应）。
:param extensions_town: 当取值为true时，行政区划返回乡镇级数据（仅国内召回乡镇数据）。默认不访问。
:param language: 指定召回的新政区划语言类型。
:param language_auto: 是否自动填充行政区划，1填充，0不填充。
:return:
"""
lnglat = Convert.to_string(lnglat.copy().reverse())
url = 'http://api.map.baidu.com/reverse_geocoding/v3/?'
params = {
'ak': self.key,
'location': lnglat,
'coordtype': coordtype,
'ret_coordtype': ret_coordtype,
'radius': radius,
'sn': sn,
'output': output,
'callback': callback,
'extensions_poi': extensions_poi,
'extensions_road': extensions_road,
'extensions_town': extensions_town,
'language': language,
'language_auto': language_auto
}
response = requests.get(url, params)
content = json.loads(response.content)
return content['result']['formatted_address']
def calculate_bounds(self):
extremums = [
np.min(self._indices, axis=(0, 1)),
np.max(self._indices, axis=(0, 1))
]
diss = extremums - self._center_index
bounds = diss * self._tile_size
fix = [[-self._tile_size, -self._tile_size, 0],
[self._tile_size, self._tile_size, 0]]
bounds += fix
self._bounds = np.delete(bounds, -1, axis=1)
self._llbounds = list(
map(lambda x: Convert.mercator_to_lnglat(x, self.origin),
self._bounds / 1000))
def static_image(self,
lnglat: tuple,
width: int = '',
height: int = '',
scale: int = '',
bbox: str = '',
zoom: float = '',
coordtype: str = 'wgs84ll',
show: bool = False):
"""
返回百度申请的静态地图
:param lnglat: 地图中心点位置，参数可以为经纬度坐标或名称。坐标格式：lng<经度>，lat<纬度>，[116.43213,38.76623]。
:param width: 图片宽度。取值范围：(0, 1024]。Scale=2,取值范围：(0, 512]。
:param height: 图片高度。取值范围：(0, 1024]。Scale=2,取值范围：(0, 512]。
:param scale: 返回图片大小会根据此标志调整。取值范围为1或2：
1表示返回的图片大小为size= width * height;
2表示返回图片为(width*2)*(height *2)，且zoom加1
注：如果zoom为最大级别，则返回图片为（width*2）*（height*2），zoom不变。
:param bbox: 地图视野范围。格式：minX,minY;maxX,maxY。
:param zoom: 地图级别。高清图范围[3, 18]；低清图范围[3,19]
:param coordtype: 静态图的坐标类型。
支持wgs84ll（wgs84坐标）/gcj02ll（国测局坐标）/bd09ll（百度经纬度）/bd09mc（百度墨卡托）。默认bd09ll（百度经纬度）
:param show: 是否临时显示图片
:return: 区域的静态地图图片
"""
# 官方API，经前纬后
lnglat = Convert.to_string(lnglat)
url = 'http://api.map.baidu.com/staticimage/v2?'
params = {
'ak': self.key,
'center': lnglat,
'width': width,
'height': height,
'scale': scale,
'bbox': bbox,
'zoom': zoom,
'coordtype': coordtype
}
response = requests.get(url, params=params)
img = Image.open(BytesIO(response.content))
if show:
img.show()
rgb = img.convert('RGB')
return np.array(rgb).astype(int)
def walking_path_by_origin_destination(
self,
origin: tuple,
destination: tuple,
coord_type: str = 'wgs84',
ret_coordtype: str = 'gcj02') -> list:
"""
根据起终点坐标规划步行出行路线和耗时
:param origin: 起点
:param destination: 终点
:param coord_type: 输入坐标类型
bd09ll：百度经纬度坐标
bd09mc：百度墨卡托坐标
gcj02：国测局加密坐标
wgs84：gps设备获取的坐标
:param ret_coordtype: 输出坐标类型
bd09ll：百度经纬度坐标
gcj02：国测局加密坐标
:return: pd.DataFrame
"""
s_e = list()
for item in [origin.copy(), destination.copy()]:
item.reverse()
s_e.append(Convert.to_string(item))
url = 'http://api.map.baidu.com/directionlite/v1/walking?'
params = {
'ak': self.key,
'origin': s_e[0],
'destination': s_e[1],
'coord_type': coord_type,
'ret_coordtype': ret_coordtype
}
response = requests.get(url, params)
content = json.loads(response.content)
routes = content['result']['routes']
results = list()
for route in routes:
results += route['steps']
return pd.DataFrame(results)
[-91011.301433665678, -165898.26749964245],
[135656.22394360788, -165898.26749976166],
[135656.22394360788, -115189.30818407424],
[126656.22394360788, -106189.30821271427],
[126686.89403142221, -97189.308212356642],
[57662.24364461191, -97189.308212356642],
[57461.112780706026, 32315.40416692337],
[135645.11278065387, 32315.40416692337]]
project = Project(boundary, origin=[113.520280, 22.130790])
path = r'C:\Users\wenhs\Desktop'
project.fem_red_line.dump_mesh(path + r'\fem_red_line.json')
project.fem_site.dump_mesh(path + r'\fem_site.json')
project.fem_map.dump_mesh(path + r'\fem_map.json')
dfs = list()
kinds = ['公交车站', '住宅']
for k in kinds:
pois = project.pois_by_keyword(k)
location, names = pois['location'], pois['name']
lnglats = location.apply(lambda x: [x['lng'], x['lat']])
coords = lnglats.apply(
lambda x: Convert.lnglat_to_mercator(x, project.sensor.origin))
rst = pd.DataFrame()
rst['names'] = names
rst['lnglat'] = lnglats
rst['coords'] = coords
rst.to_json(path + f'/{k}.json')
def pois_by_lnglat_radius_keyword(self,
lnglat: tuple,
radius: int,
keywords: str,
radius_limit: str = 'true',
types: str = '',
page: int = 0,
offset: int = 20,
extension: int = 2,
ret_coordtype: str = 'wgs84ll',
coord_type: int = 1) -> list:
"""
设置圆心和半径，检索圆形区域内的地点信息
:param lnglat: 圆形区域检索中心点，不支持多个点
:param radius: 圆形区域检索半径，单位为米。(当半径过大，超过中心点所在城市边界时，会变为城市范围检索，检索范围为中心点所在城市）
:param keywords: 检索关键字。圆形区域检索和矩形区域内检索支持多个关键字并集检索，不同关键字间以$符号分隔，最多支持10个关键字检索。
:param radius_limit: 是否严格限定召回结果在设置检索半径范围内。
:param types: 检索分类偏好，与q组合进行检索，多个分类以","分隔
:param page: 分页页码，默认为0,0代表第一页，1代表第二页，以此类推。
:param offset: 单次召回POI数量，默认为10条记录，最大返回20条。
:param extension: 检索结果详细程度。取值为1 或空，则返回基本信息；取值为2，返回检索POI详细信息
:param ret_coordtype: 可选参数，添加后POI返回wgs84经纬度坐标
:param coord_type: 坐标类型。
1（wgs84ll即GPS经纬度）
2（gcj02ll即国测局经纬度坐标）
3（bd09ll即百度经纬度坐标）
4（bd09mc即百度米制坐标）
:return: pd.DataFrame
"""
pois = list()
lnglat.reverse()
lnglat = Convert.to_string(lnglat)
url = 'http://api.map.baidu.com/place/v2/search?'
params = {
'ak': self.key,
'query': keywords,
'location': lnglat,
'radius': radius,
'tag': types,
'radius_limit': radius_limit,
'page_num': page,
'page_size': offset,
'ret_coordtype': ret_coordtype,
'coord_type': coord_type,
'scope': extension,
'output': 'json'
}
response = requests.get(url, params)
content = json.loads(response.content)
pois += content['results']
quantity = content['total']
turns = int(quantity / offset)
for i in range(1, turns + 1):
params['page_num'] = i
response = requests.get(url, params)
content = json.loads(response.content)
pois += content['results']
return pd.DataFrame(pois)
def calculate_vertices(self):
sizes = [[self.tile_size, self.tile_size]] * 4
marks = np.array([[-1, -1], [1, -1], [1, 1], [-1, 1]])
change = sizes * marks / 2
coords = change + self._coords
heights = np.zeros([len(coords), 1])
self._vertices = np.concatenate((coords, heights), axis=1)
def set_colour(self, colour):
self._colour = np.ones_like(self._vertices)
self._colour[:, :, :] = colour
def create_mesh(self):
super().create_mesh()
self.calculate_vertices()
self._mesh['v'] = self.vertices
self._mesh['f'] = [[0, 1, 2, 3]]
# self._mesh['c'] = [[255, 255, 255]] * len(self._vertices)
if __name__ == '__main__':
cs = [112.970840, 28.198560]
center_tile_index = Convert.lnglat_to_tile_index(cs, 17)
tile_index = [106667, 54827, 17]
tile = NormalTile(center_tile_index, tile_index)
print(tile.tile_size)
print(tile.coords)
print(tile.vertices)
print(tile.mesh)
def f(lnglats):
return [Convert.lnglat_to_mercator(ll, self.sensor.origin) for ll in lnglats]
def calculate_tile_size(self):
self._tile_size = Convert.tile_size_by_zoom(self.level)
def calculate_center_index(self):
center_index = Convert.lnglat_to_tile_index(self._lnglat, self._level)
self._center_index = np.array(center_index)
def f(x):
size = Convert.tile_size_by_zoom(x, 'm')
quantity = self._radius / size
return abs(quantity - self.row_limit)