两步移动搜索法（2SFCA）python

实现

两步移动搜索法（Two-Step Floating Catchment Area Method, 2SFCA）是一种广泛应用于地理信息系统（GIS）领域的方法，用于评估设施的空间可达性。以下是基于 Python 和 GeoPandas 的一种实现方式。

准备工作

为了实现 2SFCA 方法，需要准备以下数据集：

1. 供给点：表示服务提供方的位置及其服务能力。
2. 需求点：表示潜在使用者的位置及其需求量。
3. 距离矩阵：描述供给点与需求点之间的距离关系。

这些数据可以通过 GIS 工具生成，或者通过网络 API 获得。在此基础上，可以利用 pandas 或 geopandas 来处理和存储数据。

完整代码实现

import pandas as pd
from collections import defaultdict

def calculate_2sfca(supply_df, demand_df, distance_matrix, d0=2.5):
    """
    使用两步移动搜索法计算空间可达性
    
    参数:
        supply_df (pd.DataFrame): 供给点 DataFrame，包含 'id' 和 'supply'
        demand_df (pd.DataFrame): 需求点 DataFrame，包含 'id' 和 'demand'
        distance_matrix (pd.DataFrame): 距离矩阵 DataFrame，索引为供应点 ID，
                                       列为需求点 ID，值为两者间的距离
        d0 (float): 距离衰减阈值，默认为 2.5 km
        
    返回:
        pd.Series: 各需求点的可达性得分
    """
    
    # 初始化供给权重
    supply_weights = {}
    for _, row in supply_df.iterrows():
        total_demand_in_range = sum(
            demand_df.loc[demand_id, 'demand'] * max(0, 1 - dist / d0)
            for demand_id, dist in distance_matrix[row['id']].items()
            if dist <= d0
        )
        supply_weights[row['id']] = row['supply'] / (total_demand_in_range or 1)

    # 计算各需求点的可达性
    accessibility_scores = []
    for _, demand_row in demand_df.iterrows():
        score = sum(
            supply_weights[supply_id] * max(0, 1 - dist / d0)
            for supply_id, dist in distance_matrix.T[demand_row['id']].items()
            if dist <= d0
        )
        accessibility_scores.append(score)

    return pd.Series(accessibility_scores, index=demand_df.index)


# 示例数据
if __name__ == "__main__":
    # 创建供给点 DataFrame
    supply_data = {'id': ['s1', 's2'], 'supply': [100, 200]}
    supply_df = pd.DataFrame(supply_data).set_index('id')

    # 创建需求点 DataFrame
    demand_data = {'id': ['d1', 'd2'], 'demand': [50, 70]}
    demand_df = pd.DataFrame(demand_data).set_index('id')

    # 创建距离矩阵
    distance_matrix = {
        's1': {'d1': 1.0, 'd2': 3.0},
        's2': {'d1': 2.5, 'd2': 1.5}
    }
    distance_matrix = pd.DataFrame(distance_matrix).T.fillna(float('inf'))

    # 执行 2SFCA 计算
    result = calculate_2sfca(supply_df, demand_df, distance_matrix)
    print(result)

上述代码实现了基本的 2SFCA 流程，并考虑了距离衰减效应。其中，distance_matrix 是供给点与需求点之间距离的关系表；d0 定义了最大有效距离范围。 

结果解释

该算法的核心在于两次迭代过程：

1. 第一次迭代：对于每一个供给点，计算其覆盖范围内所有需求点的需求总量，并据此分配供给权重。
2. 第二次迭代：对于每一个需求点，汇总其覆盖范围内所有供给点的有效供给量，得到最终的可达性评分。

这种方法能够很好地反映实际生活中的资源分布和服务能力差异。