高效（空间）网络邻居？

Question

我想确定一个网络边缘的第k个顺序的邻居，特别是一个大型街道集的邻居。例如，我有一条我感兴趣的街道，叫它焦点街。对于每个焦点街道，我想找到共用一个交叉口的街道，这些是第一级邻居。然后对于每个与焦点街道共用一个交叉口的街道，我想找到他们的邻居（这些是二级邻居），等等。。。在

使用ArcGIS的地理处理库（arcpy）计算一阶邻域需要6个多小时，二阶邻居需要18个多小时。不用说，我想找到一个更有效的解决办法。我已经创建了一个python字典，它在每条街道上键入，并将连接的街道作为值。例如：

st2neighs = {street1: [street2, street3, street5], street2: [street1, street4], ...}.  

街道1与街道2、3、5相连；街道2与街道1、4相连；等等。。研究区域内约有30000条街道，大多数街道的连通街道不到7条。下面代码中使用的数据的pickle版本IS HERE。在

我假设知道一阶邻居可以让我有效地追踪高阶邻居。但以下代码提供的结果不正确：

^{pr2}$

救命啊！在

Answer 1

在我看来，您想要实现的是以下内容：http://en.wikipedia.org/wiki/Composition_of_relations

它实际上是一个直接的算法。设R是关系“是一阶邻居”，因此，如果两条街道x，y在R中，那么x是y的一阶邻居。所以，对于二阶邻居，你要计算由R组成的R，对于由R组成的三阶邻居（R由R组成），依此类推。在