一、点线面要素制作

1、点要素

（1）Arcmap制作

image.pngimage.pngimage.png
image.png

（3）根据线生成

  1. import xlwt
  2. import pandas as pd
  3. import random
  4. import requests
  5. import json
  8. key='445ee7843bccc2c188cf62d34a3827ec' #填入自己的key
  9. def getlnglat(address):
  10.     url='https://restapi.amap.com/v3/geocode/geo'
  11.     params = {'key':key,
  12.           'address':address}
  13.     requests.adapters.DEFAULT_RETRIES = 5
  14.     res = requests.get(url, params)
  15.     json_data = json.loads(res.text)
  16.     return json_data
  18. book1 = xlwt.Workbook()
  19. sheet1 = book1.add_sheet("0", cell_overwrite_ok=True)
  20. new_file1 = '7.xls'
  21. sheet1.write(0, 0, 'OBJECTID')
  22. sheet1.write(0, 1, 'x')
  23. sheet1.write(0, 2, 'y')
  24. sheet1.write(0, 3, 'roadName')
  25. sheet1.write(0, 4, 'district')
  26. def sel(rymd):
  27.   md = pd.read_excel(rymd)
  28.   x = md["x"]
  29.   y = md['y']
  30.   x1 = md["x1"]
  31.   y1 = md['y1']
  32.   dress = md['Name']
  33.   i = 24999
  34.   count = 1
  35.   for x_x in x[25000:]:
  36.       i = i+1
  37.       road = getlnglat('长沙市'+dress[i])['geocodes'][0]
  38.       for r in range(0,random.randint(1,3)):
  39.         sheet1.write(count, 0, i)
  40.         if float(x_x) > float(x1[i]):
  41.             x_r = random.uniform(x1[i],x_x)
  42.             y_r = (x_r-x_x)/(x1[i]-x_x)*(y1[i]-y[i])+y[i]
  43.             sheet1.write(count, 1, x_r)
  44.             sheet1.write(count, 2, y_r)
  45.             sheet1.write(count,3,dress[i])
  46.             if len(road['district']) ==0:
  47.                 continue
  48.             else:
  49.                 sheet1.write(count,4,road['district'])
  50.             print(i)
  51.         else:
  52.             x_r = random.uniform(x_x,x1[i])
  53.             y_r = (x_r-x_x)/(x1[i]-x_x)*(y1[i]-y[i])+y[i]
  54.             sheet1.write(count, 1, x_r)
  55.             sheet1.write(count, 2, y_r)
  56.             sheet1.write(count,3,dress[i])
  57.             if len(road['district']) ==0:
  58.                 continue
  59.             else:
  60.                 sheet1.write(count,4,road['district'])
  61.             print(i)
  62.         count +=1
  66.   book1.save(new_file1)
  67. sel("line.xls")

（2）高德地图POI映射

image.pngimage.png

  1. import requests
  2. import pandas as pd
  3. import json
  4. import time
  5. import math
  7. #各下级行政区的代码，若是嫌逐个复制麻烦可以通过读取文件的方式实现，此处不进行讲解
  8. arr=['500000']
  9. #API的URL，在这里进行了结构化处理
  10. url1="https://restapi.amap.com/v3/place/text?keywords=医院&city="
  11. url2="&output=JSON&offset=20&key=0fb8677da809afaa03b93f31ac9b4e85&extensions=all&page="
  13. #用于储存数据
  14. x=[]
  15. #用于计数
  16. num=0
  18. #循环各下级行政区进行POI检索
  19. for i in range(0,len(arr)):
  20.         #当前行政区
  21.         city=arr[i]
  22.         #因为官方对API检索进行了45页限制，所以只要检索到45页即可
  23.         for page in range(1,46):
  24.             #若该下级行政区的POI数量达到了限制，则警告使用者，之后考虑进行POI类型切分
  25.             if page==45:
  26.                 print("警告！！POI检索可能受到限制！！")
  27.             #构造URL
  28.             thisUrl=url1+city+url2+str(page)
  29.             #获取POI数据
  30.             data=requests.get(thisUrl)
  31.             #转为JSON格式
  32.             s=data.json()
  33.             #解析JSON
  34.             aa=s["pois"]
  35.             #若解析的JSON为空，即当前行政区的数据不够45页（即没有达到限制），返回
  36.             if len(aa)==0:
  37.                 break
  38.             #对每条POI进行存储
  39.             print(page)
  40.             for k in range(0,len(aa)):
  41.                     s1=aa[k]["name"]
  42.                     s2=aa[k]["type"]
  43.                     s3=aa[k]["address"]
  44.                     s4=aa[k]["adname"]
  45.                     s5=aa[k]["location"].split(",")                    
  46.                     x.append([s1,s2,s3,s4,float(s5[0]),float(s5[1])])
  47.                     num+=1
  48.                     print("爬取了 "+str(num)+" 条数据")
  50. #将数据结构化存储至规定目录的CSV文件中
  51. c = pd.DataFrame(x)
  52. c.to_csv('./cq_hospital.csv',encoding='utf-8-sig')

image.png

1、线要素制作

（1）arcmap制作

image.png

（2）路径规划生存

如果想生成的先是路径。
image.png
image.png

（3）根据图片生成

image.pngimage.pngimage.png
image.pngimage.png

3、面要素

（1）arcmap手画

image.png

（2）深度学习目标检测

image.png
image.png
image.png
image.png
image.pngimage.png
image.png

4、excel转shp

image.png
image.png
image.png

5、OpenstreetMap获取

步骤一：
进入openstreetmap(osm)官网：https://www.openstreetmap.org/
在搜索框内搜索你想要查询的城市，如：贵阳市
得到一下信息：
GIS操作 - 图27
步骤二：
进入osm overpass api :http://www.overpass-api.de/
GIS操作 - 图28
点击上图中红圈
进入以下页面
GIS操作 - 图29
输入如下代码：

  1. <osm-script>
  2.   <query type="relation">
  3.     <has-kv k="boundary" v="administrative"/>
  4.     <has-kv k="name:zh" v="海口市"/>
  5.   </query>
  6.   <print/>
  7.  </osm-script>

（此处的k=”name:zh” v=”贵阳市”，说明了步骤一的目的，因为国内和国外的名称写法不一样，如果为k=”name” v=”贵阳市”，运行代码后得不到想要结果，此处应根据步骤一中截图的name写法，还有值来输入）
输完代码后，点击右下角“Query”键，下载文件，得到一个名为“interprept”文件，用记事本打开
找到
即得到贵阳市边界id ：2782246
(当然该id在步骤一搜索“贵阳市”时即可看到)

完成以上步骤后，再次中输入一下代码，获取城市的路网数据：
GIS操作 - 图30

  1. <osm-script timeout="1800" element-limit="100000000">
  2.   <union>
  3.     <area-query ref="3602784613"/>
  4.     <recurse type="node-relation" into="rels"/>
  5.     <recurse type="node-way"/>
  6.     <recurse type="way-relation"/>
  7.   </union>
  8.   <union>
  9.     <item/>
  10.     <recurse type="way-node"/>
  11.   </union>
  12.   <print mode="body"/>
  13. </osm-script>

：
为了得到城市的路网数据，需再原边界id的基础上加上“360000000”
360000000
+ 2782246
————————
3602782246
（注意对齐哦！）
得到城市的最终编号： 3602782246
最后点击右下角“Query”，同样得到“interprept”文件
文件中即包含了城市的路网信息
**

文件转换

https://geoconverter.infs.ch/vector 将interpret文件转化文shp文件格式

效果展示

image.png

6、阿里云获取

使用阿里云地图选择器工具：http://datav.aliyun.com/tools/atlas

打开后只要在左上角位置输入需要的行政区划范围名称，就可以快速获取到该范围的矢量底图数据。提供的获取方式有JSON API，也可以直接下载geojson或者svg格式。
如果直接下载了geojson格式的数据，可以通过mapshaper工具：https://mapshaper.org/转换成shapefile格式数据，大功告成。

7、软件获取

推荐软件91地图、Bigemap。直接下载（但是没钱）可以淘宝价格便宜
image.png