供应链风险可视化工具

一个基于 Python 和 Folium 的供应链风险数据可视化工具，能够从 Markdown 格式的风险评估报告中自动提取地缘政治风险（GDP）和自然灾害风险（NDP）数据，并生成交互式的全球风险地图。

✨ 功能特性

• 📊 自动数据提取：支持 LLM和正则表达式两种方式从报告中提取风险数据
• 🗺️ 交互式地图：使用 Folium 生成专业的交互式风险地图
• 🎯 多维度可视化：
  • 地缘政治风险（GDP）：以圆圈大小和颜色表示风险等级
  • 自然灾害风险（NDP）：以图标标记表示不同灾种
• 📈 风险概览面板：实时显示整体风险等级、GDP/NDP 综合概率、置信区间等关键指标
• 🎨 UI 设计：现代化的界面设计，支持信息提示、折叠面板等功能

📋 目录结构

.
├── main.py                              # 主程序文件
├── research_assessment_manager_report.md # 风险报告示例
├── honda_risk_viz.html                  # 生成的交互式地图
├── coordinate_cache.json                 # 坐标缓存文件（自动生成）
├── README.md                            # 项目说明文档
└── .gitignore                           # Git 忽略文件

🚀 快速开始

环境要求

• Python 3.8+
• 依赖包：folium, pandas, openai, python-dotenv, requests

安装依赖

pip install folium pandas openai python-dotenv requests

配置 API 密钥（可选）

如果使用 LLM 提取数据，需要配置 DeepSeek API：

# Windows PowerShell
$env:DEEPSEEK_API_KEY="your-api-key-here"
$env:DEEPSEEK_API_BASE="https://api.deepseek.com"

# Linux/Mac
export DEEPSEEK_API_KEY="your-api-key-here"
export DEEPSEEK_API_BASE="https://api.deepseek.com"

使用方法

python main.py

默认情况下，程序会：

1. 读取 research_assessment_manager_report.md 报告文件
2. 使用 LLM 自动提取风险数据（如果配置了 API 密钥）
3. 生成 honda_risk_viz.html 交互式地图文件

📖 报告格式要求

GDP（地缘政治中断概率）数据格式

报告应包含如下格式的表格：

| 关键供应国/地区 | 基准值（%） | 当前估算值（%） | 置信区间（95%） |
|------------------|-------------|------------------|------------------|
| 荷兰             | 3           | 12               | [10, 14]         |
| 中国             | 2           | 6                | [4, 8]           |

NDP（自然灾变综合概率）数据格式

报告应包含如下格式的表格：

| 灾种 | 独立概率（%） | 区域位置 | 贡献度（%） |
|------|----------------|----------|-------------|
| 地震 | 4.2            | 日本福岛（N32°4' E118°8'） | 38%         |
| 台风 | 3.5            | 越南中部（N15° E108°） | 32%         |

坐标格式支持

• 度分秒格式：N32°4' E118°8' - 自动解析
• 国家名称：自动使用预设的国家中心坐标，或通过地理编码API获取
• 城市/地区名称：优先使用坐标修正表，未找到则通过地理编码API自动获取
• 自动地理编码：对于未知地点，系统会自动调用 Nominatim API 获取坐标并缓存

🎨 可视化说明

地图标记

• 国家边界高亮：有风险的国家会以半透明彩色区域高亮显示

  • 🟠 橙色：高风险国家（GDP>10%）
  • 🟡 黄色：中风险国家（5%<GDP≤10%）
  • 🔵 蓝色：低风险国家（GDP≤5%）
  • 使用实际的国家边界 GeoJSON 数据

• 圆圈：表示地缘政治风险（GDP）

  • 🟠 橙色：高风险（>10%）
  • 🔵 蓝色：中低风险（≤10%）
  • 圆圈大小与风险值成正比

• 图标标记：表示自然灾害风险（NDP）

  • 🔴 红色：地震风险
  • 🔵 蓝色：台风/洪水风险

风险等级

• ER1 低：GDP<5% 且 NDP<7%
• ER2 中：GDP 5-15% 或 NDP 7-20%
• ER3 高：GDP>15% 且 NDP>20%

交互功能

• 点击地图上的标记查看详细信息
• 左侧面板显示风险概览和详细数据表格
• 右侧面板显示图例和筛选说明
• 支持面板折叠/展开

🔧 技术实现

数据提取方式

1. LLM 提取（推荐）

   • 使用 DeepSeek API 进行语义化提取
   • 支持更灵活的报告格式
   • 自动识别坐标、风险值等关键信息

2. 正则表达式提取（备用）

   • 基于预定义的正则模式
   • 不依赖外部 API
   • 适用于格式规范的报告

坐标处理

• 自动解析度分秒格式坐标
• 内置常用国家和城市的坐标映射
• 支持坐标修正表（如日本福岛、越南中部等）

代码验证

✅ 核心函数验证：

1. geocode_location() 函数

   • ✅ 缓存检查逻辑正确
   • ✅ API请求参数正确
   • ✅ 错误处理完善
   • ✅ 缓存保存功能正常

2. get_location_coord() 函数

   • ✅ 优先级顺序正确
   • ✅ 参数传递正确
   • ✅ 返回值格式正确

3. RiskReportParser 类

   • ✅ 初始化参数支持 use_geocoding
   • ✅ extract_gdp_table() 已集成自动坐标获取
   • ✅ extract_ndp_table() 已集成自动坐标获取

4. generate_map() 函数

   • ✅ LLM提取路径已集成
   • ✅ 正则表达式提取路径已集成
   • ✅ 参数支持 use_geocoding

🌍 坐标获取机制

系统支持多种坐标获取方式，按优先级自动选择：

1. 坐标修正表：已知城市/地区的精确坐标（如日本福岛、越南中部等）
2. 国家坐标字典：常用国家的中心点坐标（作为缓存和备用）
3. 度分秒坐标解析：自动解析报告中的度分秒格式坐标（如 N32°4' E118°8'）
4. 地理编码API（推荐）：使用 Nominatim（OpenStreetMap）自动获取未知地点的坐标
   • 支持中文地点名称
   • 自动缓存查询结果到 coordinate_cache.json
   • 避免重复查询，提高效率

功能实现验证

✅ 已实现的功能：

1. 地理编码API集成

   • 使用Nominatim（OpenStreetMap）API
   • 支持中文地点名称
   • 遵守API速率限制（每秒1次请求）
   • 自动处理错误和超时

2. 坐标缓存机制

   • 自动保存到 coordinate_cache.json
   • 下次查询时自动使用缓存
   • 避免重复API调用

3. 多级坐标获取策略

   • 优先级1：坐标修正表（精确坐标）
   • 优先级2：国家坐标字典（预设坐标）
   • 优先级3：度分秒坐标解析
   • 优先级4：地理编码API（自动获取）

4. 全面集成

   • LLM提取方法已集成
   • 正则表达式提取方法已集成
   • 向后兼容所有现有功能

使用建议

首次使用

1. 运行 python main.py 处理报告
2. 系统会自动查询新地点的坐标
3. 坐标会自动保存到缓存文件
4. 可能需要一些时间（API速率限制）

后续使用

1. 已缓存的地点会立即加载
2. 只有新地点才会调用API
3. 速度会明显提升

离线模式

如果需要禁用API（仅使用预设坐标）：

generate_map("report.md", "output.html", use_llm=True, use_geocoding=False)

🤝 贡献

欢迎提交 Issue 和 Pull Request！

📄TODO List

按重要性降序

1. 测试系统功能/BUG，测试更多报告实例
2. 设计接口，系统输入：markdown文件；系统输出：html文件
3. 国家/风险坐标问题 ✅
   • ✅ 列表（静态）- 已实现国家坐标字典和坐标修正表
   • ✅ 随用随加（静态）- 坐标缓存自动保存
   • ✅ 大模型自动添加（动态，推荐）- 已实现地理编码API自动获取
4. 前后端分离，减少代码冗余