diff --git a/__pycache__/coord_to_intersections.cpython-38.pyc b/__pycache__/coord_to_intersections.cpython-38.pyc
index 26e01917afeb2438f975e81a5ef0c71bafdf4b17..4e434e589c9f348322a23a18123b699838c1e18e 100644
Binary files a/__pycache__/coord_to_intersections.cpython-38.pyc and b/__pycache__/coord_to_intersections.cpython-38.pyc differ
diff --git a/__pycache__/ordre_arbres.cpython-38.pyc b/__pycache__/ordre_arbres.cpython-38.pyc
new file mode 100644
index 0000000000000000000000000000000000000000..b05408dc19e6d84c4888815c085ff8cdd17f892a
Binary files /dev/null and b/__pycache__/ordre_arbres.cpython-38.pyc differ
diff --git a/coord_to_intersections.py b/coord_to_intersections.py
index 4d518b1ccfc26a82a6672a7aeff195950b427b46..082d1e7f15dee365b0e946424d13468709a93f3b 100644
--- a/coord_to_intersections.py
+++ b/coord_to_intersections.py
@@ -6,79 +6,94 @@ def coord_to_inter(liste_coord,lat,long,main_street):
inter_street=[]
inter_street_coord=[]
for inter in liste_coord:
+ #Calcul des distances entre les intersections et l'arbre
d=(inter[0]-long)**2 + (inter[1]-lat)**2
dist.append(d)
while len(inter_street)<1 :
+ #On regarde l'intersection la plus proche de l'arbre
candidat=liste_coord[dist.index(min(dist))]
- #print(candidat)
+ #On regarde si cette intersection correspond bien au croisement avec une autre rue, on trouve le nom de cette autre rue
nom_de_rue=circular_research(candidat[1], candidat[0], main_street)
if nom_de_rue== None :
+ #Si on ne trouve pas d'autre rue a cette intersection on écarte cette intersection
indice=dist.index(min(dist))
dist.pop(indice)
liste_coord.pop(indice)
else :
+ #Si on trouve, on a notre début de tronçon
inter_street.append(nom_de_rue)
inter_street_coord.append(candidat)
indice=dist.index(min(dist))
d_1 = min(dist)
dist.pop(indice)
liste_coord.pop(indice)
- #Calcul du tronçon de l'autre coté
+ print('Début du tronçon trouvé')
+ #Recherche de la fin du tronçon
liste_coord_admissibles = []
d_1_2 = []
dist2 = []
for i in range(len(liste_coord)):
#On prend la liste des intersection situé du second coté de l'arbe
+ #Pour cela on calcule les distances entre le premier point trouvé, l'arbre et les autres points
+ #On conserve les points qui permettent de former un triangle avec un angle obtu au niveau de l'arbre
d=(liste_coord[i][0]-inter_street_coord[0][0])**2 + (liste_coord[i][1]-inter_street_coord[0][1])**2
if d > dist[i] + d_1:
liste_coord_admissibles.append(liste_coord[i])
d_1_2.append(d)
dist2.append(dist[i])
while len(inter_street)<2 :
+ #On regarde l'intersection admissible la plus proche du début du tronçon
candidat=liste_coord_admissibles[d_1_2.index(min(d_1_2))]
nom_de_rue=circular_research(candidat[1], candidat[0], main_street)
if nom_de_rue== None :
+ #Si cette intersection ne donne rien, on la rejette
indice=d_1_2.index(min(d_1_2))
d_1_2.pop(indice)
liste_coord_admissibles.pop(indice)
dist2.pop(indice)
elif nom_de_rue==inter_street[0]:
+ #Si l'intersection est la même rue que le début de tronçon, on rejette
indice=d_1_2.index(min(d_1_2))
d_1_2.pop(indice)
liste_coord_admissibles.pop(indice)
dist2.pop(indice)
else :
+ #Sinon on à trouvé la fin de tronçon
inter_street.append(nom_de_rue)
inter_street_coord.append(candidat)
indice=d_1_2.index(min(d_1_2))
d_2 = dist2[indice]
liste_coord_admissibles.pop(indice)
+ print('fin du tronçon trouvé')
print(inter_street)
+ #On souhaite ensuite s'asssurer que l'on à le couple début/fin de tronçon le plus rapproché possible pour
+ #réduire la zone de recherche
liste_coord_admissibles2 = []
d_2_1 = []
- #dist = fct_dist(liste_coord, lat, long)
for i in range(len(liste_coord)):
#On prend la liste des intersection situé du premier coté de l'arbe
+ #Pour cela on calcule les distances entre le second point trouvé, l'arbre et les autres points
+ #On conserve les points qui permettent de former un triangle avec un angle obtu au niveau de l'arbre
d=(liste_coord[i][0]-inter_street_coord[1][0])**2 + (liste_coord[i][1]-inter_street_coord[1][1])**2
- print(liste_coord[i])
- print(d - dist[i] - d_2)
- if d > dist[i] + d_2: #+ 2* 10**(-12)
+
+ if d > dist[i] + d_2:
liste_coord_admissibles2.append(liste_coord[i])
d_1_2.append(d)
inter_street2 = ['', '']
c = 0
while inter_street != inter_street2:
+ print('MaJ ', c+1)
+ #Calcul des intersections admissibles et des distances
if c % 2 == 0:
liste_coord_admissibles2 += [inter_street_coord[0]]
d_2_1 = fct_d_2_1(liste_coord_admissibles2, inter_street_coord)
- #print(liste_coord_admissibles2)
- #print(d_2_1)
else:
liste_coord_admissibles += [inter_street_coord[1]]
d_1_2 = fct_d_2_1(liste_coord_admissibles, inter_street_coord)
print(d_1_2)
inter_street2 = deepcopy(inter_street)
+ #Recherche du nouveau tronçon optimal
inter_street, inter_street_coord = opti_inter_street(c, main_street, liste_coord_admissibles, liste_coord_admissibles2, d_1_2, d_2_1, inter_street, inter_street_coord)
c +=1
return inter_street+inter_street_coord
diff --git a/main.py b/main.py
index 2ffe9127a3b1c4e739ed33ca56e5fb79d82f6bb3..8743d4f93312935cf9484c87e978f4a3d84d3789 100644
--- a/main.py
+++ b/main.py
@@ -43,11 +43,14 @@ def classement_arbres(liste_coord):
return dict
if __name__=="__main__":
- lat = 48.89394122
- lon = 2.247959188
+
+ lat = 48.89627806
+ lon = 2.248657510
print(tree_position(lat, lon))
+ '''
lat = 48.89227652
lon = 2.253773690
#print(tree_position(lat, lon))
liste=[(2.24697,48.89535),(2.24705,48.89529),(2.2472,48.89518)]
print(trees_positions(liste))
+ '''
\ No newline at end of file
diff --git a/request.py b/request.py
index 8978afd5b0074a525d7ea182393007f2e60a4da5..7f87b5ba435d4104c19114bb5e8dd2f2b002b03b 100644
--- a/request.py
+++ b/request.py
@@ -4,6 +4,7 @@ import requests
def requete_osm(lat, lon):
+ #Recherche l'addresse d'un point gps
params = {
'lat':lat,
'lon':lon,
diff --git a/request2.py b/request2.py
index ad0879505316220707707ba9b99d356b6022659d..2e8964af63c9fbf90e3fd0a56d88885877710a31 100644
--- a/request2.py
+++ b/request2.py
@@ -2,6 +2,7 @@ import requests
import json
def search_osm(main_street, city, country):
+ #requete pour obtenir les intersections d'une rue donnée
params = {
'street' : main_street,
'city' : city,
@@ -16,6 +17,7 @@ def search_osm(main_street, city, country):
return reqJson
def all_intersect(json):
+ #concaténation des intersections des différents morceaux de rue trouvés
intersection = []
for road in json:
try:
diff --git a/research.py b/research.py
index 2e42ee9f43be4b1d0394e9bc06ecadecadd9a7b3..b1f28c7a69dbf1cb6d567c85b100001dbfa732d5 100644
--- a/research.py
+++ b/research.py
@@ -2,6 +2,7 @@ from request import requete_osm
from math import sqrt
def circular_research(lat, lon, main_street):
+ #Recherche un rue autre que main_street par recherche circulaire autour du point d'intersection
street = requete_osm(lat, lon)['address']['road']
if not(street == main_street) and not(street == ''):
return street
@@ -15,6 +16,7 @@ def circular_research(lat, lon, main_street):
return None
def check_position(lat, lon, step, main_street, i):
+ #Calcul les positions autour du point centrale et récupère la rue associée à cette position
street = ''
step_diag = step/sqrt(2)
if i == 0: