重要声明：这篇教程纯粹为绘图方法的介绍，其中的“人流数据”为YY而来的伪数据，没有真实性及可参考性，不可以作为科研方法！请相关课题的研究者使用合理的、正确的、实际的方法采集并分析数据，以免出现数据造假或研究成果不可靠的局面！

欢迎各位大神能够为大家展示数据收集及处理的正确方法^3^，笔者才疏学浅，先为大家撸上绘图方法：

先上最终效果

人流数据上面说过了，是YY而来，通过gh进行组织和处理。

我选择了地理信息完备的Manhattan地区作为案例，使用rhino+grasshopper+ai+ps完成绘图，步骤简介如下：

1.取得地理信息

首先要获得某一地区的城市路网，我首先登陆了OpenStreetMap，搜寻我想要的地区路网，然而网速感人，高墙感人，基本下载不下来，我只能来到另外一个网站下载了New York地区的osm完整文件。

下载下来的osm.bz2文件由于是整个New York地区的，解压开后容量高达3GB，我们只需要Manhattan地区的，因此需要使用一个操作界面极不友善的小插件osmconvert来将osm根据需求范围的经纬度切割至合理大小。

2.地理信息导入Rhino+Grasshopper

由于不会使用GIS类地理信息软件，所以我选择使用Grasshopper中的Elk插件来读取osm文件中的地理信息，读取进来的数据是点云，我选择出主要的路网点云，并将它们连接成线。

3.模拟数据

我在城市区域内随机生成一些点代表人流起点，又在另外一些地方生成随机点代表人流终点，让他们一一对应，由于人们倾向于选择近便的路抵达目的地，所以我求得了起点和终点经过整个地图的最短路径，是不是有点儿像地图导航。这一步骤说起来容易做起来非常复杂，我越过了无数个坑才成功。举一例来说，elk导入进来的路是连续的、不相交的，这种路网是无法求得最短路径的，我需要先让他们交点打断，而用gh自身的逻辑对地图交点打断，对于少量线段可行，对于地图数据如此庞大的信息量，gh的运算法则和逻辑效率低下甚至容易造成崩溃，我又自己写了python代码来将他们互相打断。其他的不说了，说多了都是泪。。。

4.模拟随机感

由于人们的行进路线并不都是是沿着大马路的中线，所以我对模拟出的人流线进行一定量的偏移，让他们产生人们行走时略有偏差的效果。我在这里只加入了简单的偏移，还可以通过连电池模拟出“抄近路”、“走回头路”、“绕远路”等更加真实复杂的特殊情况。

5.导出流线并处理

选中模拟出的流线，烘焙到rhino中，选中烘焙出来的流线，将他们导出为.ai文件，在AI中的处理相当简单，选中所有的流线，调整颜色和粗细，降低透明度，混合模式改为差值或正片叠底均可。最后，将文件导出成背景透明的png。

6.获得底图

还需要能够展示街道和地形的底图。我在mapbox上自己定制了显示风格，取得了manhattan地区的底图，mapbox实际上使用的也是osm数据文件，只不过通过定制显示风格渲染出你所需要的地图图底，这比自己用osm文件画快多了，由于使用了几乎一样的数据来源，我们的流线图和这张底图应该是可以完美对位的。底图制作的具体教程可以参考这一篇答案，感谢作者：

如何做高大上的城市肌理分析图？ - Adobe Photoshop

7.最终处理

在ps中将地图底图和背景透明的流线png对好位，这张图就完成了

希望能给大家提供思路~欢迎大神斧正~希望能给大家提供思路~欢迎大神斧正~