作者：暂时匿名

使用FME进行小学可达性分析

以流动人口随迁子女报名服务区为例

为什么分析学区可达性呢？因为我是一个家长，小孩上学的事情，对于我来说是头等大事。正好借着博客大赛这个机会，将我分析的思路分享给大家，希望能给各位FME爱好者带来一些启发。我将学校可达性分析分成4个步骤，如下图所示：

经收集数据、处理数据、分析数据最后就能得到分析的结果。通过学区的可达性分析，我们可以得出哪里的小朋友上学是没那么方便的。这对需要租房的部分城市流动人口而言，有很大的指导意义。

一、数据准备

数据是处理与分析的前提条件，所以我把数据准备放在了整个数据分析的第一步。在数据准备阶段，我使用了FME平台，当然也充分的使用了我的人工智能！

1、小学点采集

首先我找到了这样一份数据：

根据里面的学校名称描述，我编写了如下图所示的模板，将小学点位完成了矢量化！

矢量化结果：

通过简单的模板，完成了非空间数据的空间化！

其中poi搜索为PythonCaller完成，从请求数据到完成矢量化，一个转换器搞定！

本文中，用红色的五角星表示小学！

2、学区面绘制

绘制学区面，需要根据如下所示的文字描述：

在空间上找到对应的位置并将其绘制出来。这个过程，就是我上面说的人工智能！

逐步重复这一过程，最终绘制成了拱墅区全区小学学区图。

本文中，用蓝色的线标识学区边界！

3、建筑物矢量面采集

居民地面数据的获取，依然是使用互联网数据获取的方式

考虑到人都是住在房子里的，所以本次的可达性分析的起点，都以房屋所在位置为起点。与常规可达性分析相比，这样的分析结果，将更具指导意义！

二、数据处理

1、学区点学区面属性融合

在绘制学区的时候，我并没有赋属性，主要是考虑到使用FME来根据空间关联信息非常方便。属性挂接模板如下所示：

经过处理，所有的学区都获取到了小学所在的点位与小学名称。可以看到12个学区变成了13个，这是因为有两个小学在同一个学区。得益于SpatialRelator转换器的强大，我们可以直接把双学区（同一学区范围有两个学校）的部分变成2个独立的学区！

2、建筑物底面融合

互联网上获取的建筑物底面，有如图下所示的问题：

上图中标红的部分，都是需要合并起来的，针对这种情况，我使用用FME写了如下的模板来对数据进行处理：

融合后的建筑物，可以作为我们导航的起点。

其中判断边类型为PythonCaller转换器完成，可以遍历要素的每条边，并求出该边与水平方向的夹角。

核心步骤介绍：

找出水平/垂直边

思路介绍：通过观察，我发现被分割的建筑物都有如下图所示的问题：需要合并的面，都是被水平/垂直的边分开的。所以只需要找出含有这些边的要素，给这些要素赋予特殊标识，然后就可以根据这些标识来进行要素间的分组合并。

融合处理前

融合处理后

转换器截图

三、执行分析

在完成了数据的准备与处理后，下面就是用数据来进行分析了。

分析同样是使用FME平台来完成，在这一步骤，我使用了如下图所示的模板：

我来简单介绍一下分析思路：

1、获取每个建筑物的中心点坐标进行路径导航；

一幢楼上的不同户，到达一个较远的目的地的距离都是差不多的。所以将一幢楼简化成一个点，来进行路径导航。提取面状要素的中心点非常简单，一个CenterPointExtractor转换器就可以提出建筑物的中心点。

2、与学区进行空间关联；

考虑到双学区的存在，虽然这对于要上学的小朋友来说是个好消息（有多个学校可以选择）。但在数据处理的角度来看，这也就意味着，处在双学区范围内的建筑物需要分别导航多次到不同学校。针对这种情况，我依然选择了SpatialRelator+ListExploder转换器组合的方式，这样的话一个建筑物要素如果跨两个学区的话，就会变成两条要素，也就意味着会导航到学区对应的不同学校。

3、请求互联网导航接口；

我选择了高德的路径导航接口，接口返回的json数据格式非常便于解析，转换器截图

经过这个转换器，要素就有了从出发地到目的地的导航距离，我们可以使用这个距离来进行数据的渲染展示！

4、写出数据。

这个步骤最简单，只需要定义相关字段将数据写出就好！

其中路径导航为PythonCaller完成，从请求数据到数据解析

信息提取，一个转换器搞定！

四、数据展示及结论

1、最不方便

拱墅区的北秀小学学区内的这个部分，是整个行政区内所有学区中，上学最不方便的！

距离达到了惊人的8km+

2、最方便

有最不方便，就有最方便，恭喜住在这些居住地到学校的导航距离不足100米的同学，上学非常方便。

3、部分学校渲染图展示

数据的展示我选择放在QGIS平台进行，由于学校比较多，只放出部分进行效果展示：

建新小学

莫干山路小学教育集团

大关苑第一小学

通过上面几张图，可以看出整体上，距离学校直线距离越远上学越不方便，但偶尔会有些例外出现

树人小学

五、总结

本文通过FME平台进行了杭州市拱墅区小学学区可达性分析，根据搜集到的数据分析出了每个学校对应的学区可达性，得出了上学最不方便的区域。

通过分析结果来看，拱墅区大部分区域上学还是比较方便的。通过这样的分析，可以给有宝宝上学的外来务工人员在租房上提供指导，很有意义！同样的，该分析方法也可以扩展到杭州市户籍儿童上学的可达性分析，可以给即将要买房的人指导，同样意义重大！更进一步的，该分析方式也可以扩展到其他城市、其他行业，比如：老年人休闲、就医？

虽然该方法取得了比较好的效果，但依然有不足之处！以明德小学为例，在网络获取的学区范围如下图所示（来源杭州本地宝）：