💻 Nærmeste nabo-analyse#

Når vi analyserer romlige data, er det ofte ikke bare interessant å vite om to geometrier overlapper eller ligger innenfor hverandre (som vi så med sjoin() og overlay()), men også hvor nærme de er hverandre, selv om de ikke overlapper. Dette kalles en nærmeste nabo-analyse (engelsk: nearest neighbour analysis), og brukes mye i praktisk GIS-arbeid, for eksempel for å finne:

  • den nærmeste bussholdeplassen fra en adresse

  • det nærmeste sykehuset fra et ulykkessted

  • hvilke boliger som ligger lengst fra en tjeneste (tilgjengelighetsanalyse)

I denne notebooken (inspirert av kapittel 6.7 i Python for Geographic Data Analysis) skal vi finne det nærmeste kjøpesenteret for hver adresse i adressedatasettet vi har brukt tidligere i kurset.

import pathlib 
NOTEBOOK_PATH = pathlib.Path().resolve()
DATA_MAPPE = NOTEBOOK_PATH / "data"

Last inn inngangsdata#

Vi bruker to datasett:

  1. adresser, adressepunktene fra Oslo som vi har brukt i tidligere forelesninger

  2. kjopesentre, buffere rundt kjøpesentre i Oslo som vi har brukt tidligere

import geopandas

adresser = geopandas.read_file(DATA_MAPPE / "oslo_adresser" / "adresser.geojson")
kjopesentre = geopandas.read_file(DATA_MAPPE / "oslo_adresser" / "shopping_centres.geojson")

kjopesentre.head()
---------------------------------------------------------------------------
DataSourceError                           Traceback (most recent call last)
Cell In[2], line 4
      1 import geopandas
      2 
      3 adresser = geopandas.read_file(DATA_MAPPE / "oslo_adresser" / "adresser.geojson")
----> 4 kjopesentre = geopandas.read_file(DATA_MAPPE / "oslo_adresser" / "shopping_centres.geojson")
      5 
      6 kjopesentre.head()

File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/geopandas/io/file.py:322, in _read_file(filename, bbox, mask, columns, rows, engine, **kwargs)
    319             filename = response.read()
    321 if engine == "pyogrio":
--> 322     return _read_file_pyogrio(
    323         filename, bbox=bbox, mask=mask, columns=columns, rows=rows, **kwargs
    324     )
    326 elif engine == "fiona":
    327     if pd.api.types.is_file_like(filename):

File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/geopandas/io/file.py:582, in _read_file_pyogrio(path_or_bytes, bbox, mask, rows, **kwargs)
    573     warnings.warn(
    574         "The 'include_fields' and 'ignore_fields' keywords are deprecated, and "
    575         "will be removed in a future release. You can use the 'columns' keyword "
   (...)    578         stacklevel=3,
    579     )
    580     kwargs["columns"] = kwargs.pop("include_fields")
--> 582 return pyogrio.read_dataframe(path_or_bytes, bbox=bbox, **kwargs)

File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/pyogrio/geopandas.py:382, in read_dataframe(path_or_buffer, layer, encoding, columns, read_geometry, force_2d, skip_features, max_features, where, bbox, mask, fids, sql, sql_dialect, fid_as_index, use_arrow, on_invalid, arrow_to_pandas_kwargs, datetime_as_string, mixed_offsets_as_utc, **kwargs)
    374 gdal_force_2d = False if use_arrow else force_2d
    376 # Always read datetimes as string values to preserve (mixed) time zone info
    377 # correctly. If arrow is not used, it is needed because numpy does not
    378 # directly support time zones + performance is also a lot better. If arrow
    379 # is used, needed because datetime columns don't support mixed time zone
    380 # offsets + e.g. for .fgb files time zone info isn't handled correctly even
    381 # for unique time zone offsets if datetimes are not read as string.
--> 382 result = read_func(
    383     path_or_buffer,
    384     layer=layer,
    385     encoding=encoding,
    386     columns=columns,
    387     read_geometry=read_geometry,
    388     force_2d=gdal_force_2d,
    389     skip_features=skip_features,
    390     max_features=max_features,
    391     where=where,
    392     bbox=bbox,
    393     mask=mask,
    394     fids=fids,
    395     sql=sql,
    396     sql_dialect=sql_dialect,
    397     return_fids=fid_as_index,
    398     datetime_as_string=True,
    399     **kwargs,
    400 )
    402 if use_arrow:
    403     import pyarrow as pa

File ~/micromamba/envs/gmgi221/lib/python3.12/site-packages/pyogrio/raw.py:200, in read(path_or_buffer, layer, encoding, columns, read_geometry, force_2d, skip_features, max_features, where, bbox, mask, fids, sql, sql_dialect, return_fids, datetime_as_string, **kwargs)
     59 """Read OGR data source into numpy arrays.
     60 
     61 IMPORTANT: non-linear geometry types (e.g., MultiSurface) are converted
   (...)    196 
    197 """
    198 dataset_kwargs = _preprocess_options_key_value(kwargs) if kwargs else {}
--> 200 return ogr_read(
    201     get_vsi_path_or_buffer(path_or_buffer),
    202     layer=layer,
    203     encoding=encoding,
    204     columns=columns,
    205     read_geometry=read_geometry,
    206     force_2d=force_2d,
    207     skip_features=skip_features,
    208     max_features=max_features or 0,
    209     where=where,
    210     bbox=bbox,
    211     mask=_mask_to_wkb(mask),
    212     fids=fids,
    213     sql=sql,
    214     sql_dialect=sql_dialect,
    215     return_fids=return_fids,
    216     dataset_kwargs=dataset_kwargs,
    217     datetime_as_string=datetime_as_string,
    218 )

File pyogrio/_io.pyx:1708, in pyogrio._io.ogr_read()
-> 1708 'Could not get source, probably due dynamically evaluated source code.'

File pyogrio/_io.pyx:290, in pyogrio._io.ogr_open()
--> 290 'Could not get source, probably due dynamically evaluated source code.'

DataSourceError: /home/runner/work/gmgi221/gmgi221/content/notebooks/data/oslo_adresser/shopping_centres.geojson: No such file or directory

Som vi ser er kjopesentre polygoner, med kolonnene navn og adr i tillegg til geometry. sjoin_nearest(), som vi skal bruke senere i denne notebooken, fungerer uavhengig av hvilken geometritype vi har (punkt, linje eller polygon) — men polygonene her er egentlig buffere vi har lagd tidligere for hvert kjøpesenter. For denne analysen er vi egentlig bare interessert i hvor hvert kjøpesenter ligger, ikke i bufferen. La oss derfor, som vi gjorde med .centroid i en tidligere forelesning, representere hvert kjøpesenter med et enkelt punkt i stedet for en polygon:

kjopesentre["geometry"] = kjopesentre.centroid
kjopesentre.head()
id navn adr geometry
0 1 Oslo City 1D, Stenersgata, Vaterland, Sentrum, Oslo, 005... POINT (598022.028 6643021.947)
1 2 Bryn Senter Østensjøveien 79, 0667 Oslo POINT (601940.781 6642032.843)
2 3 Storo Storsenter Vitaminveien 7, 0485 Oslo POINT (599177.887 6646821.293)
3 4 Lambertseter senter Cecilie Thoresens vei 17, 1153 Oslo POINT (601355.975 6638866.012)
4 5 Manglerud Senter Plogveien 6, 0679 Oslo POINT (601421.991 6641360.986)

Sjekke og tilpasse koordinatsystem#

Siden vi skal regne ut faktiske avstander, må dataene våre være i et projisert koordinatsystem med en metrisk enhet (meter), og begge lagene må dele samme CRS. La oss sjekke:

print(adresser.crs)
print(kjopesentre.crs)
EPSG:4326
EPSG:25832

adresser er i EPSG:4326 (lengde-/breddegrader), mens kjopesentre allerede er i EPSG:25832, et projisert koordinatsystem med meter som enhet som passer godt for norske data. La oss reprojisere adresser til samme CRS:

adresser = adresser.to_crs(kjopesentre.crs)
assert adresser.crs == kjopesentre.crs, "CRS er ikke identiske"

Konseptet: shapely.ops.nearest_points()#

Før vi bruker det praktiske verktøyet i geopandas, er det nyttig å se selve ideen bak en nærmeste nabo-analyse på to enkeltgeometrier med shapely. Funksjonen nearest_points() tar inn to geometrier, og returnerer et par med de to punktene (ett fra hver geometri) som ligger nærmest hverandre.

La oss prøve dette med den første adressen i datasettet, mot alle kjøpesentrene samlet som én geometri (ved hjelp av union_all(), som vi har brukt tidligere):

import shapely.ops

en_adresse = adresser.iloc[0].geometry
naermeste_punkter = shapely.ops.nearest_points(en_adresse, kjopesentre.union_all())
naermeste_punkter
(<POINT (602608.017 6646267.986)>, <POINT (602545.007 6646512.039)>)

nearest_points() gir oss tilbake selve punktene, men ikke noe mer informasjon: vi får ikke vite hvilket kjøpesenter (hvilken rad) som var nærmest, og heller ikke hvor langt unna det er. For å finne det, må vi regne ut avstanden selv med .distance(), og vi måtte i tillegg iterere over alle radene i adresser for å gjøre dette for hver adresse enkeltvis — det ville fungert, men ville vært tungvint og ville tatt mye lenger tid å kjøre for et stort datasett.

Derfor har geopandas et eget verktøy som gjør akkurat denne jobben for oss, mye raskere og med én kommando.

Nærmeste nabo-kobling med sjoin_nearest()#

Metoden sjoin_nearest() fungerer på samme måte som sjoin() som vi brukte i en tidligere forelesning, men i stedet for å koble sammen rader basert på et romlig predikat (som within), kobler den hver rad i venstre GeoDataFrame til den nærmeste raden i høyre GeoDataFrame — uavhengig av om de overlapper eller ikke.

Med parameteren distance_col kan vi også få avstanden til det nærmeste objektet lagt til som en egen kolonne:

adresser_med_naermeste = adresser.sjoin_nearest(
    kjopesentre,
    distance_col="avstand_meter"
)
adresser_med_naermeste.head()
fid address id_left adr_left geometry index_right id_right navn adr_right avstand_meter
0 1 25, Statsråd Mathiesens vei, Linderud, Bjerke,... 100 Statsråd Mathiesens vei 25, 0594 OSLO POINT (602608.017 6646267.986) 5 6 Linderud senter Erich Mogensøns vei 38, 0594 Oslo 252.055955
1 2 15, Slimeveien, Bjørnholt, Søndre Nordstrand, ... 101 Slimeveien 15, 1275 OSLO POINT (602813.008 6634521.994) 3 4 Lambertseter senter Cecilie Thoresens vei 17, 1153 Oslo 4581.859492
2 3 Sognsveien 80, Konvallveien, Sogn, Nordre Aker... 102 Sognsveien 80, 0855 OSLO POINT (596608.772 6647117.829) 2 3 Storo Storsenter Vitaminveien 7, 0485 Oslo 2586.172330
3 4 5, Ullevålsveien, Hammersborg, St. Hanshaugen,... 103 Ullevålsveien 5, 0165 OSLO POINT (597483.025 6643632.991) 0 1 Oslo City 1D, Stenersgata, Vaterland, Sentrum, Oslo, 005... 814.799803
4 5 30B, Nydalsveien, Nydalen, Nordre Aker, Oslo, ... 104 Nydalsveien 30b, 0484 OSLO POINT (598533.021 6647189.003) 2 3 Storo Storsenter Vitaminveien 7, 0485 Oslo 742.336376

Som med sjoin() har vi nå attributtene fra begge lagene i resultatet, og i tillegg en kolonne avstand_meter som viser avstanden (i meter, siden CRS-en vår bruker meter som enhet) til det nærmeste kjøpesenteret for hver adresse.

La oss finne adressen som ligger lengst unna sitt nærmeste kjøpesenter:

adresser_med_naermeste.sort_values("avstand_meter", ascending=False).head()
fid address id_left adr_left geometry index_right id_right navn adr_right avstand_meter
22 23 1, Gamle Hovsetervei, Nordre Huseby, Vestre Ak... 122 Gamle Hovsetervei 1, 0768 OSLO POINT (592618.008 6646485.004) 0 1 Oslo City 1D, Stenersgata, Vaterland, Sentrum, Oslo, 005... 6418.426529
23 24 25, Karl Fossums vei, Fossum, Stovner, Oslo, 0... 123 Karl Fossums vei 25, 0913 OSLO POINT (607589.004 6648579.001) 5 6 Linderud senter Erich Mogensøns vei 38, 0594 Oslo 5451.076468
25 26 66, Ullernchausséen, Montebello, Ullern, Oslo,... 125 Ullernchaussèen 66, 0379 OSLO POINT (592969.589 6644909.861) 0 1 Oslo City 1D, Stenersgata, Vaterland, Sentrum, Oslo, 005... 5393.641048
1 2 15, Slimeveien, Bjørnholt, Søndre Nordstrand, ... 101 Slimeveien 15, 1275 OSLO POINT (602813.008 6634521.994) 3 4 Lambertseter senter Cecilie Thoresens vei 17, 1153 Oslo 4581.859492
18 19 67, Sognsvannsveien, Rabben, Nordre Aker, Oslo... 118 Sognsvannsveien 67, 0372 OSLO POINT (595915.988 6647877.02) 2 3 Storo Storsenter Vitaminveien 7, 0485 Oslo 3428.490321

Sjekk din forståelse

Se på adressen med lengst avstand_meter ovenfor. Hvilken bydel tror du den ligger i, og gir det mening at den ligger langt fra et kjøpesenter? Du kan sjekke dette selv ved å gjøre en romlig kobling (sjoin()) mellom denne adressen og bydelslaget fra en tidligere forelesning.

Visualisere resultatet#

La oss plotte adressene, farget etter hvor langt de er fra sitt nærmeste kjøpesenter, sammen med kjøpesentrene selv:

ax = adresser_med_naermeste.plot(
    figsize=(10, 10),
    column="avstand_meter",
    cmap="viridis",
    markersize=20,
    legend=True
)
kjopesentre.plot(ax=ax, facecolor="none", edgecolor="red", linewidth=2)
ax.set_title("Avstand (meter) til nærmeste kjøpesenter")
Text(0.5, 1.0, 'Avstand (meter) til nærmeste kjøpesenter')
../../_images/333f24c680408b9cbe7a63b9955e29f02aa3282b4757596b1b0c430a37a3f1aa.png

Avgrense søket med max_distance#

Noen ganger er vi bare interessert i objekter som faktisk har noe innen en gitt avstand, ikke bare det nærmeste uansett hvor langt unna det er. sjoin_nearest() har derfor en max_distance-parameter: hvis ingen rad i høyre GeoDataFrame er innenfor denne avstanden, får raden NaN-verdier i stedet (så lenge vi bruker how="left", som beholder alle adressene uavhengig av treff).

La oss finne ut hvor mange adresser som ikke har et kjøpesenter innen 1000 meter:

adresser_naer_senter = adresser.sjoin_nearest(
    kjopesentre,
    how="left",
    distance_col="avstand_meter",
    max_distance=1000
)

antall_uten_senter_i_naerheten = adresser_naer_senter["avstand_meter"].isna().sum()
antall_uten_senter_i_naerheten
np.int64(22)

Det er mange flere bruksområder for nærmeste nabo-analyser i geopandas sin egen dokumentasjon, og i Python for Geographic Data Analysis, kapittel 6.7, som blant annet også viser hvordan man kan finne flere nærmeste naboer (ikke bare den aller nærmeste) ved hjelp av biblioteket scikit-learn.