如何可视化城市的交通便捷性

库，我们可以很轻松地创建一个类似的可视化工具。Pandana(Fletcher Foti 开发的用于社区分析的 pandas 扩展包) 可以快速地查询某个街区的交通便捷性。本文将介绍如何利用它来可视化展示城市的交通便捷性，本文的相关代码和数据都托管在 Github 。

首先，我利用 pandana 来绘制旧金山地区伯克利/奥克兰的边界区域。接下来我将从开放街景地图数据库中导入道路关系网和便利设施的位置数据。本文主要关心到达餐馆、酒吧和学校的便捷性，你可以根据自己的研究目的设定相应的便利设施库。最后我将计算街道网络中每个街区节点步行到最近便利设施的距离并进行可视化展示。

上图中展示了街道网络图中每个街区节点步行到一公里内最近的餐馆、酒吧或者学校的可达性。但是衡量交通便捷性的一个更好的指标是该街区附近是否存在较多的便利设施，因此我们考虑绘制每个街区节点到其第五近的便利设施的距离情况：

上图中很清晰地展示了交通较为便捷的奥克兰中心区和伯克利中心区。此外我们还可以单独评估各个社区到附近不同地点的距离。下图展示了街区节点到最近酒吧的可达性：

下图展示了到最近学校的可达性：

不出所料，不同的街区到酒吧和学校的可达性差异较大。而且从上图中我们可以看出，湾区东部有一大块街区附近基本没有学校资源。下一步我们可以进一步分析这些便利设施的布局与当地种族聚集程度、教育水平和收入水平等变量之间的关系。