crescimento de bicicleta

Crescentes redes de bicicletas urbanas

Este é o código-fonte do artigo científico Crescendo redes de bicicletas urbanas de M. Szell, S. Mimar, T. Perlman, G. Ghoshal e R. Sinatra. O código baixa e pré-processa dados do OpenStreetMap, prepara pontos de interesse, executa simulações, mede e salva os resultados, cria vídeos e gráficos.

Artigo : https://www.nature.com/articles/s41598-022-10783-y
Repositório de dados : zenodo.5083049
Visualização : GrowBike.Net
Vídeos e enredos : https://growbike.net/download

Saída de vídeo da execução do código em Paris, mostrando o crescimento de uma rede de bicicletas em uma grade de pontos iniciais

Instruções

1. Git clona o projeto sem o histórico completo

Execute a partir do seu terminal:

 git clone -b main --single-branch https://github.com/mszell/bikenwgrowth --depth 1

2. Instale o ambiente conda growbikenet

No seu terminal, navegue até a pasta do projeto bikenwgrowth e use conda ou mamba ou micromamba para executar:

 mamba env create -f environment.yml
mamba activate growbikenet

Criação de ambiente a partir da linha de comando

Se o procedimento acima não funcionar, você pode criar manualmente o ambiente a partir da linha de comando (não recomendado):

 mamba create --override-channels -c conda-forge -n growbikenet python=3.12 osmnx=1.9.4 python-igraph watermark haversine rasterio tqdm geojson
mamba activate growbikenet
mamba install -c conda-forge ipywidgets
pip install opencv-python
pip install --user ipykernel

Configurar o kernel Jupyter

Se você quiser usar o ambiente growbikenet no Jupyter, execute:

python -m ipykernel install --user --name=growbikenet

Isso permite que você execute o Jupyter com o kernel growbikenet (Kernel > Alterar Kernel > growbikenet)

3a. Execute o código localmente

Cidades únicas (ou poucas/pequenas) podem ser executadas localmente por meio de uma execução manual passo a passo de notebooks Jupyter:

1. Preencha parameters/cities.csv , veja abaixo. Deixe os valores padrão para executar o código em duas cidades pequenas.
2. Navegue até a pasta code .
3. Execute os notebooks 01 e 02 uma vez para baixar e preparar todas as redes e POIs.
4. Execute os notebooks 03, 04, 05 para cada conjunto de parâmetros (veja abaixo), definido em parameters/parameters.py
5. Opcional: Execute 06 para criar vídeos.
6. Opcional: Outros notebooks nomeados com X_ podem ser executados se necessário para gerar resultados ou dados extras.

3b. Execute o código em um cluster HPC com SLURM

Para múltiplos, esp. cidades grandes, é altamente recomendável executar o código em um cluster de computação de alto desempenho, pois as tarefas são fáceis de paralelizar. Os scripts de shell são escritos para SLURM.

1. Preencha parameters/cities.csv , veja abaixo.
2. Execute 01 e 02 uma vez localmente para baixar e preparar todas as redes e POIs (a alternativa é sbatch scripts/download.job do lado do servidor, mas o OSMNX gera muitos problemas de conexão, portanto, é necessária supervisão manual)
3. Carregar code/*.py , parameters/* , scripts/*
4. Execute: ./mastersbatch_analysis.sh
5. Execute, se necessário: ./mastersbatch_export.sh
6. Depois que tudo terminar, execute: ./cleanup.sh
7. Recomendado, execute: ./fixresults.sh (para limpar os resultados no caso de dados alterados de execuções repetidas)

Estrutura de pastas e saída

A pasta/repositório principal é bikenwgrowth , contendo notebooks Jupyter ( code/ ), dados pré-processados ​​( data/ ), parâmetros ( parameters/ ), gráficos de resultados ( plots/ ), scripts e trabalhos de servidor HPC ( scripts/ ).

A maior parte da saída de dados gerada (gráficos de rede, vídeos, resultados, exportações, logs) representa muitos GBs e é armazenada na pasta externa separada bikenwgrowth_external . Para configurar caminhos diferentes, edite code/path.py

Conjuntos de parâmetros

1. prune_measure = "betweenness" , poi_source = "railwaystation"
2. prune_measure = "betweenness" , poi_source = "grid"
3. prune_measure = "closeness" , poi_source = "railwaystation"
4. prune_measure = "closeness" , poi_source = "grid"
5. prune_measure = "random" , poi_source = "railwaystation"
6. prune_measure = "random" , poi_source = "grid"

Preenchendo cidades.csv

Verificando nominatimstring

• Vá para, por exemplo, https://nominatim.openstreetmap.org/ui/search.html?q=paris%2C+france e insira a string de pesquisa. Se um polígono correto (ou multipolígono) aparecer, tudo bem. Caso contrário, deixe o campo vazio e adquira um arquivo shape, veja abaixo.

Adquirindo arquivo de forma

• Vá para o Viaduto, para a cidade, e execute: relation["boundary"="administrative"]["name:en"="Copenhagen Municipality"]({{bbox}});(._;>;);out skel;
• Exportar: Baixe como GPX
• Use QGIS para criar um polígono, com Vetor > Unir múltiplas linhas e Caixa de ferramentas de processamento > Poligonizar (consulte a resposta 1 do Stackexchange e a resposta 2 do Stackexchange)