
西班牙邮编项目发布:用Voronoi多边形估算邮政区域
来源标题:Postal Codes and Tessellations
开发者发布了西班牙邮编项目,其中包含估算的邮政区域、交互式地图和GeoPackage下载文件。该项目利用Voronoi多边形,将地址点划分成邮政区域,每个区域内的位置都更靠近同一地址点。该技术还被称为Thiessen多边形,区域边界基于点之间的垂直平分线生成。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
2/2 上一篇:西班牙的邮政编码 下一篇 问题:西班牙的邮政编码 西班牙的邮政编码 邮政编码与镶嵌 我最近发布了一个项目“西班牙的邮政编码”,其中包含估算的邮政区域、互动地图和 GeoPackage 下载文件。但有一点我们还没有讨论:这些地址点是如何变成多边形的?答案是……Voronoi 多边形。 想象一下,在一张平面地图上有几家商店。哪一家离你家最近?对每个位置都问这个问题,然后给每家商店分配一种颜色。结果就是一张 Voronoi 图,也称为 Voronoi 镶嵌、Voronoi 分解、Voronoi 划分或 Dirichlet 镶嵌。这种技术根据到一组给定点的距离,将平面划分为若干区域。 在我们的示例中,每家商店是一个站点,或称生成点。它的 Voronoi 单元(也称为 Thiessen 多边形)包含所有到该站点的距离不亚于到其他任何站点的位置。在一条共享边上,两个站点等距。在多个单元交汇处,可能有多于两个站点并列。在普通直线距离下,边沿站点之间的垂直平分线分布。有些单元会无限延伸,因此地图通常将它们裁剪到研究区域内显示。 这个名字是为了纪念 Georgy Voronoi,他在二十世纪初研究了这些划分。这一思想有更早的根源,包括 Dirichlet 在十九世纪的工作(因此有 Dirichlet 镶嵌之名)。Pokojski 和 Pokojska(2018)综述了其历史及地理学应用。 这些划分对于探索与商店或公共服务之间的邻近性、为气象站分配区域以及研究空间格局都很有用。例如,Thiessen 多边形可以在根据雨量计估算降雨量时提供面积权重。其背后的核心问题始终与所选择的距离有关:直线距离最近的医院未必是最快到达的医院。 让我们先在一个假想正方形中放置五个点,其中包括位于其中心的一个点,只使用 sf 和 ggplot2。这些坐标使用任意单位,没有地理坐标参考系统。 library(sf) library(ggplot2)
为地图定义一个通用主题。
background <- "#faf8f2" ink <- "#203b47" theme_set( theme_void() + theme( plot.background = element_rect(fill = background, colour = NA), panel.background = element_rect(fill = background, colour = NA), plot.title = element_text(face = "bold", colour = ink), plot.subtitle = element_text(colour = ink), plot.caption = element_text(colour = "grey40", hjust = 0), legend.position = "bottom", plot.margin = margin(10, 10, 10, 10) ) ) sites <- data.frame( site = c("A", "B", "C", "D", "E"), x = c(2, 7, 3, 8, 5), y = c(2, 3, 8, 7, 5) ) toy_points <- st_as_sf(sites, coords = c("x", "y")) study_area <- st_as_sfc(st_bbox(c(xmin = 0, ymin = 0, xmax = 10, ymax = 10))) toy_cells <- toy_points |> st_union() |> st_voronoi(envelope = study_area) |> st_collection_extract("POLYGON") |> st_intersection(study_area) ggplot() + geom_sf( data = toy_cells, fill = c("#a8dadc", "#f4c89a", "#c6b8df", "#bfd59b", "#f2b5c4"), colour = "white", linewidth = 1 ) + geom_sf(data = toy_points, colour = "#203b47", size = 3) + geom_text( data = sites, aes(x, y, label = site), nudge_y = 0.5, colour = "#203b47", fontface = "bold" ) + coord_sf(datum = NA) + labs( title = "五个点,五个 Voronoi 单元", subtitle = "每个位置都属于最近的站点" ) 五个点,五个单元。位于 (5, 5) 的点 E 有一个被另外四个点包围的有界单元。外围单元延伸到正方形之外,并被裁剪到其边缘。st_union() 将这些点收集为一个几何对象,st_voronoi() 构建该图,st_intersection() 将其裁剪到我们的正方形内。颜色帮助我们区分各个单元。我们还没有分配任何邮政编码。 该图完全不考虑道路、河流或行政边界。当我们转向邮政点时,需要就这些边界做出明确的选择。 西班牙项目使用 CartoCiudad 的地址点及其邮政编码。它遵循 Goerlich(2022)的做法,后者发展了 Sánchez(2020)提出的一个想法。 更新的在线版本详细描述了该方法。 对于斯洛文尼亚,我们将使用 GISCO 的邮政点,通过 giscoR 获取。这里有一个重要区别:每个代码只用一个代表点,其信息量远少于该代码下的数千个地址。详细的地址有助于划分更贴近其分布,尽管仅凭邻近性仍然无法再现邮政投递决策。 我们尚未确定斯洛文尼亚的邮政区域是否应遵循市镇边界。强行采用这些边界是本次练习中的一项建模选择,灵感来自西班牙的工作流程,而不是斯洛文尼亚邮政系统的已验证属性。 本文解释该工作流程。我们创建的多边形并非官方邮政边界,本次练习也不验证 GISCO 的邮政数据。 首先,让我们获取市镇边界和邮政点。我们使用这两个数据集的 2024 年版本。 library(giscoR) library(sf) library(dplyr) municipalities <- gisco_get_lau( year = 2024, country = "SI", epsg = 3035 ) |> select(GISCO_ID, LAU_NAME) |> st_make_valid() raw_points <- gisco_get_postalcodes( year = 2024, country = "SI", epsg = 3035 ) 我们使用 ETRS89 / LAEA Europe(EPSG:3035),这是一个投影坐标系统,坐标单位为米。这使得后续使用的 200 米和 50 米边距具有实际意义。Voronoi 在此平面上使用欧几里得距离,而不是道路距离。该投影也不能精确保持所有距离。 在我们开始绘图之前,我们实际下载了什么? postal_points <- raw_points |> mutate(POSTCODE = trimws(as.character(POSTCODE))) |> filter(!is.na(POSTCODE), POSTCODE != "") |> select(POSTCODE) code_counts <- postal_points |> st_drop_geometry() |> count(POSTCODE, name = "points_per_code") knitr::kable(data.frame( Indicator = c(
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。