c2g-dev/city2graph

解决的问题

City2Graph 解决了将复杂地理空间数据（如建筑物、街道、公共交通数据流）转换为可用于网络分析和图神经网络（GNN）的图结构的难题。它弥合了 GeoPandas 等地理空间库与 PyTorch Geometric 等机器学习框架之间的差距。

工作原理

该库将各种城市数据源转换为空间异构图。支持从 OpenStreetMap、Overture Maps、GTFS（公共交通）、GBFS（共享出行）数据流以及起讫点矩阵中导入数据。基于形态、邻近性（例如 KNN、Delaunay）和连通性（例如皇后/王车）创建连接，并使用欧几里得或曼哈顿等不同距离度量。

适用人群

专为城市研究人员、地理空间数据科学家以及专注于使用 GNN 进行城市系统和网络分析的 AI 研究者设计。

主要亮点

• 异构图支持：在单个图中支持多种节点和边类型，以表示复杂的都市关系。
• GNN 集成：提供 GeoDataFrames、NetworkX 与 PyTorch Geometric 的 Data/HeteroData 张量之间的双向转换。
• 多样数据支持：涵盖从建筑形态、道路网络到公共交通数据流和出行流动数据的各类数据。
• 邻近性分析：内置多种空间图生成方法支持，包括 KNN 和 Delaunay 图。