关于 network-accessibility-analysis
面向地理空间分析人员的网络可达性分析技能，指导按尺度与出行方式选择路网工具，并计算和核验路线、服务区及可达性指标。强调记录速度、连通性和数据假设。
主要功能
- 01按分析尺度选择路由工具
- 02构建并核验出行网络
- 03计算等时圈与 OD 矩阵
- 04评估多种可达性指标
- 05检查路线与结果假设
适用场景
- 01比较不同地点的网络出行成本
- 02绘制指定时间内的服务区域
- 03评估群体间服务可达性差异
- 04基于 OD 成本分析设施选址
安装
复制下面的命令，在终端中运行。
npx skills add https:/安装后在 Claude Code 中输入/network-accessibility-analysis确认已加载。
附带文件agents/openai.yamlreferences/authoritative-sources.md
详细介绍
网络与可达性分析
目的：用符合实际路网的出行成本取代直线距离的臆测，同时选择合适的分析尺度，并如实说明对速度和出行方式的假设。每项任务首先要做出的判断：只有明确声明是近似值时，才可以使用欧氏距离——凡是看到有人用它代替可达性分析，都要指出这一点。
按尺度选择工具
| 尺度 | 工具 |
|---|---|
| 邻里到城市尺度，研究灵活性高 | OSMnx + NetworkX |
| 城市区域尺度，海量 OD 对（>10⁴×10⁴） | r5py（多模式 + 使用 GTFS 的公共交通）或 pandana（收缩层次结构带来的速度优势） |
| 生产级路径规划服务 | Valhalla / OSRM / OpenRouteService API |
| 专有技术栈 | ArcGIS Network Analyst（以无界面方式编写脚本） |
NetworkX 处理都市区尺度的海量多对多计算时会不堪重负——不要对数千个起点循环调用 shortest_path；应改用其他工具。
图构建（OSMnx）
import osmnx as ox
G = ox.graph_from_place("City, Country", network_type="drive") # walk/bike/all
G = ox.add_edge_speeds(G) # imputes from highway tags where maxspeed missing
G = ox.add_edge_travel_times(G) # edge attr: travel_time (s)
G = ox.project_graph(G) # metric CRS before any distance work
- network_type 很重要：在
drive图上进行步行分析会遗漏小径、楼梯和广场；在all图上进行驾车分析则会使用人行道。选择与出行方式匹配的图。 - 插补速度是按道路等级计算的平均值——这是系统性偏差，不是噪声。应明确说明；如果决策影响重大，应使用已知行程进行校准。
- 路径规划时保留强连通分量（
ox.truncate.largest_component(G, strongly=True)）；孤立的小片区会造成不合理的无穷大值。 - 吸附：将起点和目的地映射到最近的节点或边（
ox.distance.nearest_nodes）。报告吸附距离的分布；设施若被吸附到 2 km 外（例如河岸或封闭区域），会在不知不觉中扭曲结果。
核心成果
- 等时圈 / 服务区：按出行时间阈值截取自我子图 → 对已到达的边使用 alpha 形状或缓冲边并集。基于节点的凸包会夸大跨越河流或高速公路的覆盖范围——优先使用基于边的多边形。务必标明假设：出行方式、速度模型和阈值。
- OD 矩阵：多对多出行成本；这是可达性分析和选址分配的基础。处理大型矩阵时使用 pandana/r5py；以 Parquet 格式存储，并包含起点/目的地 ID。
- 最近设施：按路网成本（而非欧氏距离）选取 k 个最近设施；报告分配到的设施和成本。
- 中心性：基于 travel_time 计算中介中心性（大型图使用抽样
k——精确计算的复杂度为 O(nm)）；边介数 ≈ 潜在的过境流量。应将其解读为路网结构，而非实际观测到的交通量。
可达性指标——审慎选择
| 指标 | 回答的问题 | 弱点 |
|---|---|---|
| 累积机会（T 分钟内的工作岗位/兴趣点数量） | 简单易懂 | 在 T 处出现断崖式变化；非此即彼 |
| 基于重力的指标（经距离衰减的总和） | 平滑地衡量可达性 | 衰减参数必须有依据 |
| 2SFCA / E2SFCA | 供需比可达性（医疗卫生领域的标准） | 结果受服务范围大小的选择影响 |
| 最近设施时间 | 最不利情况下的需求 | 忽略容量/拥堵 |
进行公平性分析时，将指标与人口/人口统计多边形关联（按面积加权或使用 dasymetric 方法——见 geo-data-engineering），并报告各群体的分布，而不只是城市平均值。有关差异的路由统计检验，请参阅 spatial-statistics。
选址分配
基于 OD 矩阵进行最优选址（p-median、最大覆盖）：使用 PuLP/OR-Tools 建立模型；输入包括 OD 矩阵 + 需求权重 + 候选地点。明确说明目标——最小化平均出行时间（p-median）与最大化 T 时间内的覆盖需求（最大覆盖）会得出不同答案，而利益相关方往往也不清楚自己要求的是哪一种。如果选址需要综合考虑路网可达性和其他标准，将结果反馈给 mcda-suitability-analysis。
公共交通（GTFS）
使用 r5py 和 OSM + GTFS 数据源；结果会随出发时间而变化——应在一个时间窗口内计算（例如 07:00-09:00 的百分位数），切勿只计算单一出发时间。验证数据源（尤其是分析日期是否在服务日历覆盖范围内！）——过期的 GTFS 日历会产生仅步行时间，看起来却很合理。
验证流程
- 选取 3 条路线，与外部路线规划器（Google/OSRM）进行抽查——结果应在约 20% 的误差范围内，否则请说明原因。
- 绘制不可达或成本无限的起终点组合——这通常是吸附或连通性伪象，并非实际不可达。
- 目视检查等时圈：是否遵循河流、高速公路和单行道？
注意事项清单
- 将欧几里得缓冲区标为“服务范围”。
- 为出行模式选择了错误的 network_type。
- 等时圈凸包跨越了障碍物。
- 未检查吸附距离。
- 用单一出发时间评估公共交通可达性。
- 将介数中心性说成交通流量。
- 在经纬度坐标系中使用 OD 矩阵计算出行“距离”。
执行约定
- 工作流： 定义出行模式、时间、阻抗、起点、目的地和公平性问题；构建并验证网络；吸附输入点；计算路线或矩阵；汇总可达性；进行验证。
- 决策规则： 对受限出行使用网络成本；对观测轨迹使用移动分析；只有当可达性成为更广泛偏好模型中的一项标准时，才使用 MCDA。
- 验证流程： 审核连通性和吸附情况，抽查路线，绘制不可达的起终点组合，测试出发时间或阻抗敏感性，并核对 OD 维度和单位。
- 失效模式： 如果图不连通、出行模式或转向规则错误、GTFS 服务已过期、吸附距离过大、以欧几里得距离替代，或出发时间变化导致结果不稳定，则不得声称具有可达性。
- 交付物： 网络来源、假设和成本函数、路线或 OD 矩阵、等时圈或可达性指标、不可达案例报告、验证证据以及公平性注意事项。
- 来源时效性： 使用网络、GTFS 或路线规划 API 前，请查阅权威来源注册表，并记录来源日期。