利用高德地图api绘制公交+地铁的等时圈

等时圈是指从某点出发，以某种交通方式在特定时间内能到达的距离覆盖的范围，在可达性分析中十分常见。原本我们需要将地图栅格化不停地调用路径规划api来获得等时圈，现在已经有网站为我们做好了这些工作，比如https://docs.mapbox.com/playground/isochrone/。我们只需要选择交通方式（步行、骑行和驾车），和需要绘制的时间即可，但是比较遗憾的是无法获取公交（地铁/地铁+公交）的等时圈。

如果我们想获得公交（地铁/公交+地铁）的等时圈，有什么比较简便的方法呢？——> 可以通过高德地图API的公交到达圈功能。

1.通过高德地图API搜索公交到达圈,点击选中。

2.这个时候我们就可以通过改变时长和出行方式来获得你想要的公交（地铁/公交+地铁）等时圈。

3.但是如果想要将这个图放到arcgis/qgis中进行操作，就需要将polygon抓取下来。我们可以打开开发者工具，在Network中找到这么一条链接，里面的polylines里的outer其实就是各个圈。

4.通过python抓取。

4.1首先找到它的url，里面的key需要自己在高德地图api里面注册获取（这里的服务平台选择Web端（JS API）），通过python的requests库解析。

  

   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      import json
     
    
   

    

     

    
    

     

      url = 
      'https://restapi.amap.com/v3/direction/reachcircle?key=您的密钥&location=116.397428,39.90923&time=44&s=rsv3&extensions=all&output=json&strategy=2&callback=jsonp_488528_&platform=JS&logversion=2.0&appname=https%3A%2F%2Flbs.amap.com%2Fapi%2Fjavascript-api%2Fexample%2Fbus-info%2Farrival-range%2F&csid=73E0636A-636C-43C3-A098-5E94A75837C1&sdkversion=1.4.15'
     
    
   

    

     

    
    

     

      r  = requests.get(url)
     
    
   

    

     

    
    

     

      r.text
     
    
  

4.2 解析数据。获得的数据不完全是json格式，需要稍作处理，将’jsonp_488528_(’，‘）’删除，再转化成json格式，取出outer里的数据。

‘

5.转化成Polygon

5.1 将经纬度转化成dataframe（这里我只取了两个outer测试）

  

   

    

     

    
    

     

      import pandas 
      as pd
     
    
   

    

     

    
    

     

      test = polylines[
      0][
      'outer'].split(
      ';')
     
    
   

    

     

    
    

     

      lng=[]
     
    
   

    

     

    
    

     

      lat=[]
     
    
   

    

     

    
    

     

      for item 
      in test:
     
    
   

    

     

    
    

     

          lng.append(item.split(
      ',')[
      0])
     
    
   

    

     

    
    

     

          lat.append(item.split(
      ',')[
      1])
     
    
   

    

     

    
    

     

      a = {
      'lng':lng,
      'lat':lat}
     
    
   

    

     

    
    

     

      df = pd.DataFrame(a)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      test = polylines[
      1][
      'outer'].split(
      ';')
     
    
   

    

     

    
    

     

      lng1=[]
     
    
   

    

     

    
    

     

      lat1=[]
     
    
   

    

     

    
    

     

      for item 
      in test:
     
    
   

    

     

    
    

     

          lng1.append(item.split(
      ',')[
      0])
     
    
   

    

     

    
    

     

          lat1.append(item.split(
      ',')[
      1])
     
    
   

    

     

    
    

     

      a1 = {
      'lng':lng1,
      'lat':lat1}
     
    
   

    

     

    
    

     

      df1 = pd.DataFrame(a1)
     
    
  

5.2利用Polygon和geopandas转化成shp文件。

  

   

    

     

    
    

     

      import geopandas
     
    
   

    

     

    
    

     

      from shapely.geometry 
      import Polygon
     
    
   

    

     

    
    

     

      p0 = Polygon(df.values)
     
    
   

    

     

    
    

     

      p1 = Polygon(df1.values)
     
    
   

    

     

    
    

     

      p = geopandas.GeoSeries([p0,p1])
     
    
   

    

     

    
    

     

      p.to_file(
      'test.json',encoding=
      'utf-8-sig')