Notes

Conveyal R5で公共交通到達圏解析

前記事では、OpenTripPlannerとQGISプラグインにより、GTFSに含まれるバスルートや停留所の簡単表示を試みたが、到達圏解析（isochrone）をしようとすると、OTPを1系に落とさなくてはならなかったり（現在のOTPバージョン2.9）なかなか厄介なハマり点が出てきたため、もう一つの解析エンジンConveyal社のR5を使ってみる。

１．必要ツール

1. Python（推奨：3.11系）

Python公式サイト：
Python Downloads

初めてPythonインストールなら、インストール時に　 Add Python to PATH にチェックを入れる。
※Windowsなら、直接3.11.9の実行型インストーラダウンロードでもよい
Python 3.11.9 Windows installer (64-bit)

※2つ以上のバージョンを共存させるなら、Add Python to PATH　を入れずに　c:\Python311 などのフォルダを作成し、そこにインストールする。（R5実行時に指定）

コマンドプロンプトで確認。　python --version 
※D:ドライブにPython311フォルダを作成し、そこにインストールした場合の確認。
D:\Python311\python --version

2. Java（推奨：Java 17 LTS）

R5 は内部で Java を利用して動作する。

Eclipse Temurin Downloads

コマンドプロンプトで確認。　java -version　

3. r5py 関連ライブラリ

コマンドプロンプトで以下を実行する。
pip install r5py geopandas pyogrio
※使用するPythonを明示したい場合は、
Ⅾ:\Python311\Scripts\pip install r5py geopandas pyogrio など

２. R5の作業フォルダ整備

作業用フォルダを （ここでは外部SSDに　r5フォルダ作成）用意
（例えば）D:¥r5
この下に、kiyobusなどのフォルダを作成し、GTFSとOSMデータを配置。
同じフォルダに、出力用 output　フォルダと　キャッシュ用　cache　フォルダなども作成しておくとよい。

３．解析用プログラムテンプレート

ファイル位置や解析したい場所情報、出力先などを決める必要がある。
make_iso.py　ファイルの冒頭に下記テンプレートを配置しておくとよい（わかりやすい）。

  • OSMファイル
  • GTFSファイル
  • 目的地（清瀬駅など）
  • 出発地点
  • 出発時刻
  • 出力先
# ============================================
# R5 到達時間解析テンプレート
# きよバスgtfsである場所（Origin01）から清瀬駅まで
# Origin01の座標は、QGISとQGIS-GOから取得
# ============================================

import datetime

import geopandas as gpd
import r5py

from shapely.geometry import Point

# ============================================
# OSM / GTFS
# ============================================

OSM_FILE = r"D:/r5/kiyobus/kanto-260511.osm.pbf"

GTFS_FILE = r"D:/r5/kiyobus/kiyobus.gtfs.zip"

# ============================================
# 出力先
# ============================================

OUTPUT_FILE = r"D:/r5/kiyobus/output/travel_time.gpkg"

# ============================================
# 目的地（清瀬駅）
# ============================================

DEST_NAME = "KiyoseStation"

DEST_LON = 139.5265
DEST_LAT = 35.7857

# ============================================
# 出発地点
# ============================================

ORIGIN_NAME = "Origin01"

ORIGIN_LON = 139.497806
ORIGIN_LAT = 35.775772

# ============================================
# 出発時刻
# ============================================

DEPARTURE_YEAR = 2026
DEPARTURE_MONTH = 5
DEPARTURE_DAY = 19

DEPARTURE_HOUR = 8
DEPARTURE_MINUTE = 0

# ============================================
# 条件
# ============================================

MAX_TRAVEL_MINUTES = 60

TRANSPORT_MODES = ["WALK", "TRANSIT"]

# ============================================
# 歩行速度（m/s）
# ============================================

WALK_SPEED = 1.0
# ============================================
# R5 ネットワーク生成（冒頭に続く本体）
# ============================================

print("R5 network 作成中...")

network = r5py.TransportNetwork(
    OSM_FILE,
    [GTFS_FILE]
)

print("R5 network 作成完了")

# ============================================
# 目的地
# ============================================

destinations = gpd.GeoDataFrame(
    {
        "id": [DEST_NAME]
    },
    geometry=[
        Point(DEST_LON, DEST_LAT)
    ],
    crs="EPSG:4326"
)

# ============================================
# 出発地点
# ============================================

origins = gpd.GeoDataFrame(
    {
        "id": [ORIGIN_NAME]
    },
    geometry=[
        Point(ORIGIN_LON, ORIGIN_LAT)
    ],
    crs="EPSG:4326"
)

# ============================================
# 到達時間計算
# ============================================

print("到達時間計算中...")

travel_times = r5py.TravelTimeMatrix(
    transport_network=network,

    origins=origins,
    destinations=destinations,

    transport_modes=TRANSPORT_MODES,

    departure=datetime.datetime(
        DEPARTURE_YEAR,
        DEPARTURE_MONTH,
        DEPARTURE_DAY,
        DEPARTURE_HOUR,
        DEPARTURE_MINUTE
    ),

    max_time=datetime.timedelta(
        minutes=MAX_TRAVEL_MINUTES
    )
)

# ============================================
# 結果表示
# ============================================

print(travel_times)

# ============================================
# 保存
# ============================================

travel_times.to_file(
    OUTPUT_FILE,
    driver="GPKG"
)
origins.to_file(
    r"D:/r5/kiyobus/output/origins.gpkg",
    driver="GPKG"
)

destinations.to_file(
    r"D:/r5/kiyobus/output/destinations.gpkg",
    driver="GPKG"
)
origins.to_file(
    r"D:/r5/kiyobus/output/origins.gpkg",
    driver="GPKG"
)

print("===================================")
print("出力完了")
print(OUTPUT_FILE)
print("===================================")

４．解析実行例

Pythonの実行
D:\Python311\python D:\r5\kiyobus\make_iso.py
※javaが見つからないなどのエラーが出た場合は、set JAVA_HOME=C:\java　などで
一時的にJAVA_HOME　の場所を設定

実行成功すると
出力完了
D:/r5/kiyobus/output/travel_time.gpkg
などで終了する。

出力されたパッケージを、QGISにドラッグ、またはレイヤー→レイヤー追加→ベクターレイヤ追加

上図は、平日8時台に、青ひし形の位置から赤ひし形の位置まで移動するときに、何分発のコミュニティバスに乗るか、を表示したもの。タイミングに合わないと、歩くという結果も出せる。

５．到達圏表示

（１）データ準備
QGIS-GOにプリセットされている「北海道拓殖バス（一般路線バス・各町コミュニティバス）」を使う。ルートと停留所図は、下図のとおり。このデータを使って、帯広駅60分圏を表示する。

※gtfsデータは、（ユーザ名）\AppData\Local\Temp\GTFSGo　から入手
r5フォルダ内に、hokkaidoフォルダ、その中に、OSMデータ（hokkaido）とgtfsデータと、outputフォルダを格納。

（２）プログラムmake_hokkaido_iso.py
まず設定部分のみ（プログラム冒頭）
※太字部分は、各自のフォルダ構成によって変更すること

# ============================================
# R5 北海道 到達圏解析
# 帯広駅 → 各地点
# 冬季・平日朝モデル
# ============================================

import datetime
import os

import geopandas as gpd
import pandas as pd
import r5py

from shapely.geometry import Point

# ============================================
# 入力データ
# ============================================

OSM_FILE = "D:/r5/hokkaido/hokkaido-260518.osm.pbf"

GTFS_FILE = "D:/r5/hokkaido/hokkaido_gtfs.zip"

# ============================================
# 出力先
# ============================================

OUTPUT_FILE = (
    "D:/r5/hokkaido/output/"
    "obihiro_travel_time_points.gpkg"
)

# ============================================
# 出発地（帯広駅）
# ============================================

ORIGIN_NAME = "ObihiroStation"

ORIGIN_LON = 143.2033288
ORIGIN_LAT = 42.9174467

# ============================================
# 出発時刻
# 冬季・月曜朝（データを持つ2023/1/16に設定）
# ============================================

DEPARTURE_YEAR = 2023
DEPARTURE_MONTH = 1
DEPARTURE_DAY = 16

DEPARTURE_HOUR = 8
DEPARTURE_MINUTE = 0

# ============================================
# 解析条件
# ============================================

MAX_TRAVEL_MINUTES = 120

TRANSPORT_MODES = ["WALK", "TRANSIT"]

# ============================================
# 冬季歩行モデル
# （積雪・凍結を想定）
# ============================================

WALK_SPEED = 0.7

MAX_WALK_MINUTES = 15

# ============================================
# メッシュ範囲
# （まずは帯広周辺）
# ============================================

MIN_LON = 142.85
MAX_LON = 143.45

MIN_LAT = 42.75
MAX_LAT = 43.05

# ============================================
# メッシュ間隔
# 約1km
# ============================================

GRID_STEP = 0.01

解析用メッシュを作る（今回は、1kmメッシュで）

# ============================================
# メッシュ生成
# ============================================

print("メッシュ生成中...")

destination_points = []

lon = MIN_LON

while lon <= MAX_LON:

    lat = MIN_LAT

    while lat <= MAX_LAT:

        destination_points.append({
            "id": f"{lon:.4f}_{lat:.4f}",
            "geometry": Point(lon, lat)
        })

        lat += GRID_STEP

    lon += GRID_STEP

# ============================================
# destinations GeoDataFrame
# ============================================

destinations = gpd.GeoDataFrame(
    destination_points,
    crs="EPSG:4326"
)

print(destinations.head())

print("destination数:", len(destinations))

（３）実行コマンド
D:\Python311\python.exe D:\r5\hokkaido\make_hokkaido_iso.py

実行すると、帯広駅周辺1kmメッシュを作成する
メッシュ生成中…
id geometry
0 142.8500_42.7500 POINT (142.85 42.75)
1 142.8500_42.7600 POINT (142.85 42.76)
2 142.8500_42.7700 POINT (142.85 42.77)
3 142.8500_42.7800 POINT (142.85 42.78)
4 142.8500_42.7900 POINT (142.85 42.79)
destination数: 1891

（４）プログラムの続き（追加）～Origin（帯広駅）作成

# ============================================
# Origin（帯広駅）
# ============================================

origins = gpd.GeoDataFrame(
    {
        "id": [ORIGIN_NAME]
    },
    geometry=[
        Point(ORIGIN_LON, ORIGIN_LAT)
    ],
    crs="EPSG:4326"
)

print(origins)

実行すると、設定したoriginが出力される
id geometry

0 ObihiroStation POINT (143.202 42.9178)

（５）ネットワーク計算（本体）追記～TravelTimeMatrix

# ============================================
# STEP 3: R5ネットワーク作成
# ============================================

print("===================================")
print("STEP 3: R5ネットワーク作成中...")
print("OSMとGTFSを読み込んでいます")
print("===================================")

network = r5py.TransportNetwork(
    OSM_FILE,
    [GTFS_FILE]
)

print("R5 network 作成完了")


# ============================================
# STEP 4: 到達時間計算
# ============================================

print("===================================")
print("STEP 4: 到達時間計算中...")
print("帯広駅から各メッシュ地点への所要時間を計算しています")
print("===================================")

travel_times = r5py.TravelTimeMatrix(
    transport_network=network,
    origins=origins,
    destinations=destinations,
    transport_modes=[
        r5py.TransportMode.WALK,
        r5py.TransportMode.TRANSIT
    ],
    departure=datetime.datetime(
        DEPARTURE_YEAR,
        DEPARTURE_MONTH,
        DEPARTURE_DAY,
        DEPARTURE_HOUR,
        DEPARTURE_MINUTE
    ),
    max_time=datetime.timedelta(minutes=MAX_TRAVEL_MINUTES),
    max_time_walking=datetime.timedelta(minutes=MAX_WALK_MINUTES)
)

print(travel_times.head())
print("===================================")
print("NaNでない地点数:")
print(travel_times["travel_time"].notna().sum())

print("===================================")
print("最小 travel_time:")
print(travel_times["travel_time"].min())

print("===================================")
print("NaNでない行サンプル:")
print(
    travel_times[
        travel_times["travel_time"].notna()
    ].head(20)
)


# ============================================
# STEP 5: geometryを結合
# ============================================

print("===================================")
print("STEP 5: 到達時間に地点geometryを結合中...")
print("===================================")

# TravelTimeMatrixの destination id と destinations の id を結合
result = destinations.merge(
    travel_times,
    left_on="id",
    right_on="to_id",
    how="left"
)

# ============================================
# NaN除外
# ============================================

result = result[
    result["travel_time"].notna()
].copy()

print("===================================")
print("NaN除外後:")
print(len(result))

print(result.head())


# ============================================
# STEP 6: 出力
# ============================================

print("===================================")
print("STEP 6: GeoPackage出力中...")
print("===================================")

os.makedirs(os.path.dirname(OUTPUT_FILE), exist_ok=True)

result.to_file(
    OUTPUT_FILE,
    driver="GPKG"
)

print("===================================")
print("出力完了")
print(OUTPUT_FILE)
print("===================================")

（６）obihiro_travel_time_points.gpkg　をQGIS表示
レイヤ追加　ベクターレイヤ追加

シンポロジ～Graduated　にし、値はtravel_time 等間隔分類　クラス数6ぐらいで

赤 → 黄 → 緑 → 青　など

ラスタメニューから等高線を計算

▲