urban-transit-network-analysis 1.0.1

Python module for urban network analysis

Кластеризация дорожных сетей и автобусных остановок

Возможности:

1. Кластеризация дорожных сетей произвольных российских городов
2. Кластеризация автобусных остановок Санкт-Петербурга

Необходимо:

1. Установить зависимости pip install -r requirements.txt.
2. Установить Neo4j Desktop.
3. Создать БД и вести имя, пароль, порт. Параметры можно посмотреть в neo4j_connection.py.
4. Установить плагин graph-data-science для работы community_detection.py. Плагин можно установить или через интерфейс Neo4j Desktop, или вручную, скачав совместимый с версией базы данных плагин и поместив его в папку с плагинами созданного проекта. Также в файле конфигурации neo4j.conf проекта необходимо установить параметр со следующими значениями dbms.security.procedures.unrestricted=jwt.security.*, apoc.*, gds.*
5. Запустить __main__.py. Будут созданы графы дорог и сети автобусных остановок, а затем они будут кластеризованы с помощью алгоритмов Leiden и Louvain.

Создание графов дорог и сети автобусных остановок:

Для создания графов дорог и сети автобусных остановок могут быть использованы классы RoadGraphDBManager и BusGraphDBManager соответственно. Они имеют общую функцию GraphDBManager#update_db для добавления графа в Neo4j

RoadGraphDBManager берет данные из OpenStreetMap с помощью библиотеки osmnx. BusGraphDBManager берет данные из https://kudikina.ru. С этого сайта есть возможность получать данные о дорожных сетях более чем 200 городов, что и реализовано в parser.py.

Подробнее о получаемых данных автобусной сети:

• Вершины - остановки. Включает географическое положение остановки (могут быть не точными - если информацию получить не удалось, то в таком случае данные будут приближенными и узел будет иметь isCoordinateApproximate = True), название остановки, список автобусных маршрутов в которых включена остановка;
• Связи - маршруты между соседними остановками внутри одного автобусного маршрута (название маршрута, длительность перемещения между соединяемыми остановками).

Кластеризация дорог и сети автобусных остановок:

Для кластеризации могут быть использованы Louvain и Leiden классы, реализующие соответсвующее алгоритмы с помощью Neo4j. Они имеют общий метод CommunityDetection#detect_communities, с помощью которого можно выполнить кластеризацию. В методе можно указать название, параметр кластеризации, название вершин и связей графа дорог или автобусной сети.

В итоге к узлам добавится параметр, который будет определяться принадлежность к определенному кластеру. И также выведется модулярность кластеризации.

Визуализация данных

Можно визуализировать результаты с помощью Neo4j Bloom, расположив точки в географическом положении и раскрасив их в соответствии с группами кластеризации.

Источники информации используемые при разработке:

1. https://neo4j.com/docs/python-manual/current/
2. https://neo4j.com/docs
3. https://neo4j.com/docs/graph-data-science/current/algorithms/louvain/
4. https://neo4j.com/docs/graph-data-science/current/algorithms/leiden/
5. https://en.wikipedia.org/wiki/Louvain_method
6. https://proproprogs.ru/ml/ml-aglomerativnaya-ierarhicheskaya-klasterizaciya-dendogramma