python在城市规划中的运⽤_GitHub-richieBaopython-
urbanP。。。
python-urbanPlanning
代码为caDesign(cadesign)设计研究中python知识系统部分即"城市空间数据分析⽅法——PYTHON语⾔实现"。
城市的集聚、扩张，对⾃然⼟地的侵蚀，以及城市与⾃然的割裂，使得城市环境恶化，⽣态问题突出，难以达到宜居的基本要求。空⽓、噪声污染，绿地碎⽚化，开敞空间不⾜，步⾏空间缺失，城市公共空间的⽣活品质趋于下降。拥挤、烦躁、疾病、压抑、孤独潜藏于城市繁荣的表⾯之下。现代城市的发展历经半个多世纪，在解决了⼈类⽣存和各类社会问题的同时，也以牺牲环境为代价，积累下各类潜在的城市问题。时⾄今⽇，城市环境恶化已经是不得不⾯对的重⼤问题，⼤量相关研究的跟进，都在试图为解决城市问题寻⽅法。
⽹络的发展与城市⽣活栖息相关数据的⼤量积累，改变着城市居民⽣活的⽅式，也因此可以借助可获取的⼤数据分析研究城市⽣活，依此来调控城市有序运作、⽅便居民⽣活。以及借助地理信息空间数据和⼤数据分析城市空间格局，从城市规划、风景园林和建筑领域探索物质空间对城市⽣活的影响，尤其分析研究如何提升城市开敞空间⽣活的品质，如何改善恶化的城市⽣态环境等。
以新的技术、⽅法来研究城市，需要规划学科⾃⾝知识体系的包容和进⼀步拓展。城市规划、风景园林和建筑领域已经尝试探索数字化规划设计的⽅法，取得了丰富的成果，然⽽，当前仍⾯临很多问题需待解决。虽然早已开始数字化规划设计的探索，但是因为⼤部分⾼校常规的教授内容中缺失数字化部分，因此⼤部分规划设计师并不具备数据分析的能⼒。⽽规划教师队伍中具备数据分析能⼒的⼈屈指可数，不宜通过增加数据分析相关课程推进教学改⾰。数据分析与规划设计被视为两个领域的碰撞，然⽽不具备规划设计背景的数据分析师很难渗⼊到规划设计领域及进⼊更深层次的研究，规划设计学科规划设计内容的多变性，⽅案不断调整的过程需要⾃⾝具备数据分析能⼒的规划设计师。即从常规专业知识出发从事规划设计，并以数据化思维来分析规划内容。⾯对上述问题，⾼校以及研究机构，有必要以规划师的⾓度来推进数字化规划进程。
在规划领域，应⽤数字化分析来解决相关城市问题，不仅仅依靠⼤数据分析，还会涉及到当前发展研究的多个领域，例如嵌⼊式系统实验设备的搭建，复杂系统的应⽤来分析研究⽣态平衡问题，参数化技术建⽴参数关联的模型，以及建筑信息模型的发展，都在以不同的⽅式切⼊到规划设计，优化规划设计过程和达到适宜的、有效的规划设计结果，所有这些都是数字相关。在解决城市某类问题时，往往需要综合多种⽅法，因此数字化的内容⾃⾝亦在不断的拓展。也因为其共同基于数字的特点，⽽能够互相的渗⼊，形成共同的⼀个体系。
建⽴起多个⽅法领域的数字化规划设计体系，要以编程语⾔为数据处理的基础，python语⾔是⼤数据
处理的⾸选语⾔，也是相关领域分析平台的脚本语⾔，因此以python语⾔为数据分析的基础⽏庸置疑。
在“城市空间数据分析⽅法——PYTHON语⾔实现”中，试图切⼊上述所提到的问题:1是，从规划设计师的⾓度，⽤数字化的⽅法来探索解决城市相关问题，尤其城市⽣态环境的问题；2是，以对程序的详细解释，和相关库的系统梳理，尝试推进城市规划、风景园林和建筑学科⾃⾝数字化分析技术的提升；3是，综合应⽤地理信息系统、⼤数据分析、复杂系统、参数化、嵌⼊式系统，建⽴综合解决城市问题的⽅法和技术途径。在具体内容上，主要包含3条线索：1是，就城市某⼀⽅⾯的问题，从城市规划、风景园林和建筑专业的⾓度，以实验研究的⽅式分章阐述，切实的将数字化技术结合到规划设计中，为规划设计提出新⽅法、新思路、新探索⽅向；2是，相关知识的阐述，有利于对于实验内容和⽅法的理解，进⼀步利⽤相关知识来解决任何类似或者依此拓展的问题；3是，城市问题研究中探索的新⽅法，本⾝往往具有“普适意义”，可以⽤于更多甚⾄不相关问题的分析研究上。
⼤量的⽅法研究中，涉及到较多机器学习和深度学习内容，以智能化的⽅法解决规划设计问题，是规划设计领域最为前沿，能够引领规划设计未来⽅向的主要途径。⽬前已经有⼤量应⽤机器学习来管理城市的成功案例，甚⾄有部分研究者将其落⼊到规划领域的空间物质规划中，得以应⽤和实践。因为scikit-learn机器学习以及tensorflow深度学习开源库框架的出现，使得机器学习成为各领域可以⼴泛应⽤的⼯具，规划领域同样受到机器学习的影响，并在各类规划问题研究中发挥出重要作⽤。
关键新技术的出现必定推动⼈类社会实现飞跃的进步，提⾼⽣成效率，提升⽣活品质以及让我们更接近事物的本源和本质。在问题的解决、推断决策上更符合事物发展规律，顺势⽽为，到最为切实可⾏的切⼊点，将城市与⾃然融和，有效节约资源下，解决当前城市环境恶化问题，改善城市居民⽣活的⽅⽅⾯⾯，实现真正的城市可持续发展。数字技术也许正是打开探索事物本质、探索与发现新规律的钥匙。希冀本书的研究内容能够成为每⼀个规划研究者到解决⾃⾝所研究问题的触媒，实现更远、更深的跨越，推动数字技术在规划领域学科的进⼀步发展。
更多实验与课程地址：caDesign设计
pyKsys-content
Python在设计领域 /Python Language
01_Python在设计领域
python解释器 /python interpreter
python解释器
列表的知识结构-A/百度POI数据采集 /list-A/Baidu Maps POI Capture and .csv File Read and Data Display
百度POI数据采集
列表的知识结构-A
列表的知识结构-B/建筑外环境测量数据可视化 /list-B/Environmental Measurement and Data Diagram outside Buildings
建筑外环境测量数据可视化
列表的知识结构-B
元组/基于GPS调研与数据读取 /turple/Read GPS-based Research Data
基于GPS调研与数据读取
基于GPS调研与数据读取
元组
字典/异常值处理初步 /dictionary/Outlier Processing
异常值处理初步
字典
numpy-A/城市空间-⾊彩-A /numpy-A/Colour Space and Distribution of Images
城市空间-⾊彩-A-1
城市空间-⾊彩-A-2
numpy-A
numpy-B/基于百度POI数据⽣成.kml⽂件与描述性统计 /numpy-B/generate .kml files and descriptive statistics based on baidu POI data
数据采集+数据格式
.kml⽂件⽣成
描述性统计
numpy-B
循环语句/机器学习-聚类-城市⾊彩-B-印象 /loop statement/Urban Colour Impressions and Machine Learning/Cluster
机器学习概述-A
⽰例数据集训练/学习与预测+模型保存
参数更新+类别数据
聚类
城市⾊彩-印象
itertools库+warnings库
基本语句-循环
协⽅差|卡⽅检验/poi空间分布结构 /covariance | chi-square test/POI spatial distribution structure
协⽅差/卡⽅检验
批量采集+poi分布A-DBSCAN密度聚类
poi空间分布结构B
基本语句-条件
函数|GDAL/OGR/SIR模型与卷积|森林的蔓延 /function | GDAL/OGR/SIR model and convolution|forest spreading
卷积
SIR模型
森林的蔓延(
python的(GIS)地理信息数据库GDAL
函数
pandas-A|基于RF⾼程预测地形⽣成(参数化结合)与回归预测 /pandas-A|Terrain Generation (Combined with Parameterization) based on RF Elevation Prediction and Regression Prediction
回归预测
地形⽣成
pandas-A
pandas-B|基于回归预测NDVI修复地⽣态廊道的构建 /pandas-B|Construction of Ecological Corridor in Rehabilitated Place based on Regression Prediction NDVI
修复地⽣态廊道构建
pandas-B
pandas-C|基于DBSCAN密度空间聚类林缘线⽣成设计 /pandas-C|DBSCAN-based Forest Edge Generation Design
DBSCAN密度空间聚类林缘线⽣成设计
pandas-C
pycharm/虚拟环境/SQLite数据库|将规划设计信息写⼊数据库 /pycharm/virtual environment/SQLite database|writes planning and design information to the database
景观评估项⽬-实验：技术路线
pycharm|虚拟环境搭建
数据库
SQLite数据库
flask构建实验⽤⽹络应⽤平台|Jinja2模板 /Flask-based Development of Network Application Platform for Experiment|Jinja2 template
flask轻量级 Web 应⽤框架
Jinja2模板
阶段B-⽬录结构
_class类|SIFT|BOW|ERF|景观质量视觉评估预测 /class |SIFT|BOW|ERF|Visual Landscape Quality Evaluation (Machine Learning Prediction)
图像特征提取
BOW视觉词袋模型
ERF图像分类器
-图像识别器python解释器下载
class类|OPP
ubuntu|VNC|Nginx|uWSGI/实验⽤⽹络应⽤平台的部署 /ubuntu|VNC|Nginx|uWSGI/deployment of experimental network application platform
实验⽤⽹络应⽤平台的部署
ROS-Kinetic深度相机3DSLAM三维点云建筑空间 /ROS-Kinetic Depth Camera|3DSLAM Point-cloud Architectural Space
点云/三维模型
rtabmap|ROS
点云数据处理分析与可视化
NLP_LDA主题建模_提取主题关键字 /NLP-Topic Modelling_Find Important Contents
实验素材/与计算结果
NLP-⾃然语⾔处理
有⽤的库⽅法
提取.jpg(.png)图像(热⼒图)格式的数据为地理信息数据 /extract .jpg(.png) image (heat map) format data for geographic information data
.jpg图像格式数据预处理
⾊彩空间
.jpg数据提取
⽣活圈_01_连续聚类与数据分析和数据保存|collections 库
读取与组织POI数据，为skleran的bunch存储⽅式
使⽤DBSCAN聚类POI数据
将聚类结果存储为.shp的点⽂件格式，字段包括“poi”存储⾏业列表信息，“cluster”存储聚类簇信息
计算POI的业态空间结构分布并存储为图⽚格式⽂件
数据统计分析(箱型图/⼩提琴图/折线图)
存储计算数据/Numpy数据的保存与读取
在GIS中编写python脚本定义.shp⽂件投影，并转换为依据距离为单元⼤⼩的栅格数据
numpy的ravel() 和 flatten()函数
collections 库
缩放带有outlier异常值的数据
⽣活圈_02_通过计算曲线拐点到特征层级|kneed库
kneed库
寻曲线拐点
box plot 箱型图/violin plot ⼩提琴图
pandas读取excel(.xlsx)数据
⽣活圈_03_信息熵与均衡度
信息熵与均衡度公式
计算信息熵/均衡度
均衡度与距离距离的关系_箱型图
如何在GitHub上下载单独的⽂件
⽣活圈_04_相关系数热⼒图(簇⾏业类)与批量图⽚⾃动排版
相关系数热⼒图(簇⾏业类)
批量图⽚⾃动排版
26-30. 城市热环境_01-05_基于LST
(26)01_LST反演地表温度
(27)02_基于地表温度差值数量变化界定全区植被降温效应的空间分布
(28)03_基于卷积温度梯度变化界定冷区和热区的空间分布结构
(29)04_地表覆盖与精度评价
(30)05_基于机器学习回归算法建⽴⽤于绿地规划评估的地表温度预测模型Chicago 部分
Chicago_01_城市空间结构分析_连接度城市空间结构分析_边缘_物质
调整分类数据，合并夏季和秋季农⽥区域
现栅格聚类的⽅法(分类数据——建设区聚类)
最⼤聚类提取并存储为raster
最⼤聚类变化区写⼊raster
Chicago_02_城市空间结构分析_连接度
基于卷积计算连接度
按数量多少排序的前n个值
24级距离卷积核连接度批量计算，及连接度聚类计算
Chicago_03_LAS雷达数据处理
.las雷达数据与pdal库
批量计算分类数据和dtm数据表⾯模型
raster数据的拼接
Chicago_04_SVF计算以及内存管理
增加计算速度与缓解内存压⼒:h5py库/psutil库/memory_profiler库/del ⽅法CVF的算法实现
raster栅格数据切分

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。