Оценка территории по критериям

[1]:

# import osmnx as ox
import geopandas as gpd
import warnings
import sys
import os
warnings.filterwarnings("ignore")
sys.stderr = open(os.devnull, 'w')

# local crs
local_crs = 32636

[2]:

from popframe.method.popuation_frame import PopulationFrame
from popframe.models.region import Region
# region_model = Region.from_pickle('C:\Code\PopFrame\Ленинградская область.pickle')
region_model = Region.from_pickle('data/Ленинградская область.pickle')

[3]:

frame_method = PopulationFrame(region=region_model)
output = frame_method.build_circle_frame()
output

[3]:

	id	name	population	level	geometry
0	0	Болото	10	Малое сельское поселение	POLYGON ((543177.545 6580637.216, 543177.376 6...
1	1	Большой Остров	68	Малое сельское поселение	POLYGON ((544624.73 6593227.683, 544624.288 65...
2	2	Бор	1734	Большое сельское поселение	POLYGON ((545358.957 6593052.346, 545356.725 6...
3	3	Бороватое	10	Малое сельское поселение	POLYGON ((544028.318 6589581.591, 544028.148 6...
4	4	Бочево	10	Малое сельское поселение	POLYGON ((538575.316 6576793.156, 538575.147 6...
...	...	...	...	...	...
2925	2925	Апраксин Бор	313	Среднее сельское поселение	POLYGON ((399256.679 6560340.947, 399255.73 65...
2926	2926	Александровка	313	Среднее сельское поселение	POLYGON ((404164.108 6562086.557, 404163.159 6...
2927	2927	Большая Горка	313	Среднее сельское поселение	POLYGON ((413313.678 6573792.753, 413312.73 65...
2928	2928	Дроздово	5	Малое сельское поселение	POLYGON ((412482.916 6574810.78, 412482.796 65...
2929	2929	Большая Кунесть	5	Малое сельское поселение	POLYGON ((412183.794 6574629.673, 412183.674 6...

2930 rows × 5 columns

[4]:

from popframe.method.agglomeration import AgglomerationBuilder
# Создаем экземпляр класса и запускаем процесс создания агломераций

agglomeration_builder = AgglomerationBuilder(region=region_model)
final_agglomerations = agglomeration_builder.get_agglomerations()
final_agglomerations

[4]:

	type	core_cities	population	agglomeration_level	geometry
0	Polycentric	Гатчина, Тосно, Мурино, Сертолово, Новое Девят...	1116875	4	POLYGON ((310261.047 6587674.368, 310046.437 6...
1	Polycentric	Выборг, Светогорск	129217	1	POLYGON ((264064.801 6702843.886, 263672.547 6...
2	Polycentric	Тихвин, Бокситогорск, Пикалево	105381	1	POLYGON ((535225.286 6582852.229, 535504.813 6...
3	Polycentric	Волхов, Кириши	102494	1	POLYGON ((421196.961 6582742.806, 421196.513 6...
4	Polycentric	Сланцы, Кингисепп	115479	1	POLYGON ((206722.793 6553056.587, 206615.98 65...
5	Monocentric	Луга	58784	1	POLYGON ((306605.524 6486633.39, 306526.354 64...
6	Polycentric	Подпорожье, Лодейное Поле	44609	1	POLYGON ((513102.444 6711145.664, 512912.14 67...
7	Monocentric	Приозерск	30441	1	POLYGON ((337963.013 6743785.69, 337736.871 67...

[5]:

from popframe.method.territory_evaluation import TerritoryEvaluation
from popframe.models.region import Region
from shapely.geometry import shape


geojson_data = {
    "geometry": {
        "type": "Polygon",
        "coordinates": [
            [
                [29.982879431084967, 59.363554752593245],
                [29.982879431084967, 59.322083801173534],
                [30.109075699649765, 59.322083801173534],
                [30.109075699649765, 59.363554752593245],
                [29.982879431084967, 59.363554752593245]
            ]
        ]
    },
    "properties": {},
    "type": "Feature"
}

# Преобразуем словарь в геометрию
geom = shape(geojson_data['geometry'])

# Создаем GeoDataFrame
territories_gdf = gpd.GeoDataFrame([{'geometry': geom}], crs='EPSG:4326')

evaluation = TerritoryEvaluation(region=region_model)
# Пример вызова функции
results = evaluation.population_criterion(territories_gdf=territories_gdf)
results

[5]:

[{'project': None,
  'average_population_density': 17.2,
  'total_population': 39739,
  'score': 4.0,
  'interpretation': 'Территория имеет хорошие показатели численности и плотности населения, что способствует ее активному развитию.'}]

[6]:

from popframe.method.territory_evaluation import TerritoryEvaluation
from shapely.geometry import shape


geojson_data = {
    "geometry": {
        "type": "Polygon",
        "coordinates": [
            [
                [29.982879431084967, 59.363554752593245],
                [29.982879431084967, 59.322083801173534],
                [30.109075699649765, 59.322083801173534],
                [30.109075699649765, 59.363554752593245],
                [29.982879431084967, 59.363554752593245]
            ]
        ]
    },
    "properties": {},
    "type": "Feature"
}

geom = shape(geojson_data['geometry'])

# Создаем GeoDataFrame
territories_gdf = gpd.GeoDataFrame([{'geometry': geom}], crs='EPSG:4326')

result = evaluation.evaluate_territory_location(territories_gdf=territories_gdf)
result

[6]:

[{'territory': 'None',
  'score': 5,
  'interpretation': 'Территория находится внутри или непосредственной близости населенного пункта уровня Малый город',
  'closest_settlement': 'Сиверский',
  'closest_settlement1': None,
  'closest_settlement2': None}]