1. 从OSM获取路网数据的三种姿势

第一次接触OpenStreetMap数据时，我像发现新大陆一样兴奋——这个开源地图宝库居然能免费下载全球路网！但很快就被各种数据格式搞晕了。经过多次实践，我总结出三种最实用的数据获取方式：

方式一：官网直接导出（适合小范围区域）

1. 打开OpenStreetMap官网，平移地图找到目标区域
2. 点击右上角"导出"按钮，会显示当前地图范围
3. 调整蓝色选框精确覆盖需要区域（最大支持0.25度经纬度范围）
4. 点击"导出"下载.osm格式原始数据

注意：官网导出有面积限制，超过时会提示"区域太大"。我曾在上海外滩区域测试，导出包含约500条道路的.osm文件约3MB

方式二：Overpass API查询（适合中大型区域）

import requests overpass_url = "http://overpass-api.de/api/interpreter" query = """ [out:xml]; area["name"="北京市"]->.searchArea; ( way["highway"](area.searchArea); ); out body; >; out skel qt; """ response = requests.get(overpass_url, params={'data': query}) with open('beijing_roads.osm', 'wb') as f: f.write(response.content)

这个Python脚本通过Overpass API获取整个北京市的路网数据。实测下载包含2.4万条道路的.osm文件约80MB，耗时约30秒

方式三：Geofabrik批量下载（适合省级以上区域） 德国Geofabrik网站提供按国家/地区预打包的OSM数据：

• 亚洲数据地址：https://download.geofabrik.de/asia/
• 中国数据每周更新，最新版约1.2GB压缩包
• 解压后使用GIS软件过滤出道路图层

2. QGIS中的路网精加工实战

拿到原始OSM数据后，我习惯先用QGIS做初步处理。最近帮某物流公司优化配送路线时，就经历了这样的过程：

2.1 图层筛选的黄金法则

• 拖入.osm文件时会看到5个可选图层：points、lines、multilinestrings等
• 道路数据主要在lines图层，包含高速公路/主干道/小巷等
• 用这个SQL表达式快速筛选主要道路：

"highway" IN ('motorway','trunk','primary','secondary','tertiary')

2.2 坐标系的第一课某次处理成都数据时，地图显示严重变形，原来是坐标系没设置对。关键知识点：

• OSM原始数据采用WGS84坐标系（EPSG:4326）
• 国内项目建议先转CGCS2000（EPSG:4490）
• 转换步骤：
  1. 右键图层 → 导出 → 另存为
  2. 在"CRS"选择目标坐标系
  3. 勾选"将要素过滤到地图范围"节省处理时间

2.3 路网裁剪的三种武器

• 矢量裁剪：适合规则矩形区域

  # 使用GDAL命令行工具 ogr2ogr -clipsrc <xmin> <ymin> <xmax> <ymax> output.shp input.shp

• 掩膜裁剪：适合不规则行政区划
  1. 准备行政区划SHP文件
  2. 使用QGIS的"矢量 → 地理处理工具 → 相交"
• 属性筛选：按道路等级提取

  -- 提取双向四车道以上道路 "lanes" >= 4 AND "oneway" = 'no'

3. ArcGIS中的坐标转换艺术

转入ArcGIS环节是最容易踩坑的阶段，特别是坐标转换部分。去年做智慧园区项目时，就因坐标问题导致无人车定位偏移11米。

3.1 UTM投影的选带秘诀

1. 打开"投影工具"（Data Management Tools → Projections and Transformations → Project）
2. 在输出坐标系输入"UTM"筛选
3. 中国区域主要使用：
   • 北半球带号49-53（对应经度102°E-132°E）
   • 例如成都用WGS 1984 UTM Zone 48N

实测案例：转换1平方公里路网数据耗时约3秒，坐标精度保持0.001米

3.2 增密操作的参数玄机

• 距离法（DENSIFY_BY_DISTANCE）：
  • 城市道路建议20-50米间隔
  • 高速公路建议100-200米间隔
• 点数法（DENSIFY_BY_COUNT）：
  • 复杂弯道建议每段10-15点
  • 直线路段3-5点足够

# ArcPy实现自动化增密 arcpy.Densify_edit("road_utm", "DISTANCE", "50 Meters")

3.3 折点转点的隐藏技巧

1. 使用"要素折点转点"工具时：
   • 勾选"包括端点"（生成道路起点终点）
   • 设置"点类型"为"所有顶点"
2. 高级用法：提取特定位置点

   # 提取每段道路的中间点 arcpy.GeneratePointsAlongLines_management( "road_densified", "mid_points", "PERCENTAGE", Percentage=50 )

4. 国内地图服务的坐标适配

最后阶段的坐标转换直接决定数据可用性。曾有个项目因忽略这步，导致所有店铺位置偏移500多米。

4.1 WGS84转百度坐标系

1. 安装GISExtra插件（百度官方提供）
2. 使用"坐标转换"工具：
   • 输入坐标系：WGS84
   • 输出坐标系：BD09
   • 选择"批量转换"模式
3. 验证方法：在百度地图开放平台坐标拾取器比对

4.2 WGS84转火星坐标系腾讯地图使用的GCJ02坐标系需要特殊处理：

import coord_convert # 读取WGS84坐标点 points = [...] # 格式：[经度, 纬度] # 批量转换 gcj_points = [coord_convert.wgs84_to_gcj02(lon, lat) for lon, lat in points]

4.3 精度保持的三大原则

1. 转换前确保原始坐标至少保留6位小数
2. 避免多次连续转换（每次转换都有精度损失）
3. 最终成果用GeoJSON格式保存（保留完整精度）

某次处理10万个坐标点的经验：单次转换平均误差0.3米，三次连续转换后误差达2.1米。后来改用专业版转换工具，误差控制在0.05米内。

5. 自动化处理脚本分享

最后分享我的自动化处理脚本，将上述流程浓缩为3步操作：

# 步骤1：从OSM提取路网 osm_filter = """ way["highway"~"motorway|trunk|primary|secondary"] (around:1000,31.2304,121.4737); out body; >; out skel qt; """ osmnx.graph_from_place(osm_filter, network_type='drive') # 步骤2：坐标转换与采样 def process_roads(gdf, interval=50): gdf = gdf.to_crs(epsg=32651) # 转UTM gdf['geometry'] = gdf.geometry.segmentize(max_segment_length=interval) points = gdf.geometry.apply(lambda x: [list(p.coords)[0] for p in x.coords]) return points.explode() # 步骤3：转国内坐标系 def to_bd09(points): return [coord_convert.wgs84_to_bd09(lon, lat) for lon, lat in points]

这个脚本处理100平方公里路网数据约需8分钟（16核CPU），生成约2.4万个均匀分布的点位。关键是要根据道路等级动态调整采样间隔——我在高速公路上用200米间隔，而老城小巷用20米间隔，既保证覆盖率又避免数据冗余。