高德路径规划API是一套基于HTTP协议的接口服务，旨在为开发者提供便捷的路径规划解决方案。该API支持多种出行方式，包括步行、公交和驾车，能够满足不同场景下的路径查询需求。通过调用这些API，用户可以获得从起点到终点的最优路径建议，以及详细的行驶距离和预计时间等信息。API返回的数据格式灵活，支持JSON和XML两种格式，便于开发者根据自身应用的需求进行解析和处理。
本篇文章就来实现对高德路径API的调用，并展示如何处理返回的数据，最终实现路径规划结果的可视化呈现。
先讲一下方法思路，一共三个步骤；
方法思路
- 确认不同路径规划 API URL数据结构，并根据配置参数构建请求URL
- 坐标转换——高德坐标系（GCJ-02） to WGS84
- 输出shp图层和csv结果
我们先看步行的路径规划的请求API：路径规划-基础 API 文档-开发指南-Web服务 API|高德地图API
参考服务示例，我们需要输入并配置的参数包括key，orign（起点坐标）、desination（终点坐标）、output 选json、origin_id （起点 POI ID）与destination_id （目的地 POI ID）填不填都可以，有需求的可以填一下，可以提高路径规划的精度。
parameters = {
'key': api_key,
'origin': from_location,
'destination': to_location,
'output': 'json'
}
首先通过高德API拾取坐标器拾取需要研究的路径的起末点坐标：坐标拾取器 | 高德地图API，这里挑了两个起末点坐标作为示例；
('121.430041,31.154579', '121.318910,31.193987'), # 上海南站 -> 虹桥火车站
('121.492466,31.225879', '121.508419,31.084134'), # 人民广场 -> 复旦大学
步行路径规划
步行路径规划 API 可以规划100km 以内的步行通勤方案，并且返回通勤方案的数据。最大支持 100km 的步行路线规划；
完整代码#运行环境Python 3.11
# -*- coding: utf-8 -*-
import requests
import json
import geopandas as gpd
import pandas as pd
from shapely.geometry import LineString, Point
import glob
import math
# 高德GCJ02(火星坐标系)转GPS84
x_pi = 3.14159265358979324 * 3000.0 / 180.0
pi = 3.1415926535897932384626 # π
a = 6378245.0 # 长半轴
ee = 0.00669342162296594323 # 扁率
def gcj02towgs84(lng, lat):
"""
GCJ02(火星坐标系)转GPS84
:param lng:火星坐标系的经度
:param lat:火星坐标系纬度
:return:
"""
if out_of_china(lng, lat):
return lng, lat
dlat = transformlat(lng - 105.0, lat - 35.0)
dlng = transformlng(lng - 105.0, lat - 35.0)
radlat = lat / 180.0 * pi
magic = math.sin(radlat)
magic = 1 - ee * magic * magic
sqrtmagic = math.sqrt(magic)
dlat = (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * pi)
dlng = (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * pi)
mglat = lat + dlat
mglng = lng + dlng
return [lng * 2 - mglng, lat * 2 - mglat]
def transformlat(lng, lat):
ret = -100.0 + 2.0 * lng + 3.0 * lat + 0.2 * lat * lat + 0.1 * lng * lat + 0.2 * math.sqrt(math.fabs(lng))
ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0
ret += (20.0 * math.sin(lat * pi) + 40.0 * math.sin(lat / 3.0 * pi)) * 2.0 / 3.0
ret += (160.0 * math.sin(lat / 12.0 * pi) + 320 * math.sin(lat * pi / 30.0)) * 2.0 / 3.0
return ret
def transformlng(lng, lat):
ret = 300.0 + lng + 2.0 * lat + 0.1 * lng * lng + 0.1 * lng * lat + 0.1 * math.sqrt(math.fabs(lng))
ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0
ret += (20.0 * math.sin(lng * pi) + 40.0 * math.sin(lng / 3.0 * pi)) * 2.0 / 3.0
ret += (150.0 * math.sin(lng / 12.0 * pi) + 300.0 * math.sin(lng / 30.0 * pi)) * 2.0 / 3.0
return ret
def out_of_china(lng, lat):
"""
判断是否在国内，不在国内不做偏移
:param lng:
:param lat:
:return:
"""
if lng < 72.004 or lng > 137.8347:
return True
if lat < 0.8293 or lat > 55.8271:
return True
return False
def coordinates(c):
lng, lat = c.split(',')
lng, lat = float(lng), float(lat)
wlng, wlat = gcj02towgs84(lng, lat)
return wlng, wlat
def route_planning(api_key, routes):
all_gdfs = []
all_dfs = []
for i, (from_location, to_location) in enumerate(routes):
url = 'https://restapi.amap.com/v3/direction/walking'
parameters = {
'key': api_key,
'origin': from_location,
'destination': to_location,
'output': 'json'
}
response = requests.get(url, params=parameters)
data = json.loads(response.text)
if data['status'] == '1':
route = data['route']
paths = route['paths']
if paths:
path = paths[0]
distance = path['distance']
duration = path['duration']
steps = path['steps']
print(f"步行路线规划 {i+1}:")
all_coordinates = []
step_data = []
for step in steps:
instruction = step['instruction']
distance = step['distance']
duration = step['duration']
polyline = step['polyline']
print(f"指令: {instruction}, 距离: {distance}米, 时间: {duration}秒, 路径: {polyline}")
# 转换坐标
coordinates_list = [coordinates(c) for c in polyline.split(';')]
all_coordinates.extend(coordinates_list)
# 将数据添加到列表
step_data.append({
'指令': instruction,
'距离': distance,
'时间': duration,
'路径': polyline
})
# 创建LineString
geometry = LineString(all_coordinates)
# 创建GeoDataFrame
gdf = gpd.GeoDataFrame(index=[i], geometry=[geometry])
gdf['distance'] = distance
gdf['duration'] = duration
gdf['route_id'] = i # 添加一个标识符来区分不同的路线
# 保存为SHP文件
gdf.to_file(f'route_{i}.shp', driver='ESRI Shapefile')
# 保存为CSV文件
df = pd.DataFrame(step_data)
df['route_id'] = i # 添加一个标识符来区分不同的路线
df['label'] = f'步行路线规划{i+1}' # 添加标签
df.to_csv(f'route_{i}.csv', index=False, encoding='utf-8-sig')
all_gdfs.append(gdf)
all_dfs.append(df)
print(f"路径 {i+1} 已保存为 route_{i}.shp 和 route_{i}.csv")
else:
print(f"未找到路径 {i+1}")
else:
print(f"路线规划失败 {i+1}: {data['info']}")
# 合并所有GeoDataFrame
combined_gdf = gpd.GeoDataFrame(pd.concat(all_gdfs, ignore_index=True))
combined_gdf.to_file('combined_routes.shp', driver='ESRI Shapefile')
# 合并所有DataFrame
combined_df = pd.concat(all_dfs, ignore_index=True)
combined_df.to_csv('combined_routes.csv', index=False, encoding='utf-8-sig')
print("所有路径已合并并保存为 combined_routes.shp 和 combined_routes.csv")
if __name__ == '__main__':
api_key = '你的key' # 替换为你的高德地图API密钥
# 定义多个起终点对
routes = [
('121.430041,31.154579', '121.318910,31.193987'), # 上海南站 -> 虹桥火车站
('121.492466,31.225879', '121.508419,31.084134'), # 人民广场 -> 复旦大学
# 可以继续添加更多的起终点对
]
route_planning(api_key, routes)
结果会输出每个路径的单独shp和csv，和合并后的结果为 combined_routes.shp 和 combined_outes.csv；
在调用高德路径规划API并获取到步行路径的详细数据后，我们可以将这些数据在地图上进行可视化，看到步行的具体路径；
同样的，驾车路径规划参考服务示例，我们需要输入并配置的参数包括key、orign（起点坐标）、desination（终点坐标）、output 选json，其他的例如waypoints（途径点）、province（车牌）、strategy（驾车选择策略，驾车策略有20种，详见文档，本脚本选择是''11''）等一些参数，可以参考高德的API文档进行配置，这里不再赘述；
驾车路径规划
驾车路径规划 API 可以规划以小客车、轿车通勤出行的方案，并且返回通勤方案的数据。
完整代码#运行环境Python 3.11
# -*- coding: utf-8 -*-
import requests
import json
import geopandas as gpd
import pandas as pd
from shapely.geometry import LineString, Point
import math
# 高德GCJ02(火星坐标系)转GPS84
x_pi = 3.14159265358979324 * 3000.0 / 180.0
pi = 3.1415926535897932384626 # π
a = 6378245.0 # 长半轴
ee = 0.00669342162296594323 # 扁率
def gcj02towgs84(lng, lat):
"""
GCJ02(火星坐标系)转GPS84
:param lng:火星坐标系的经度
:param lat:火星坐标系纬度
:return:
"""
if out_of_china(lng, lat):
return lng, lat
dlat = transformlat(lng - 105.0, lat - 35.0)
dlng = transformlng(lng - 105.0, lat - 35.0)
radlat = lat / 180.0 * pi
magic = math.sin(radlat)
magic = 1 - ee * magic * magic
sqrtmagic = math.sqrt(magic)
dlat = (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * pi)
dlng = (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * pi)
mglat = lat + dlat
mglng = lng + dlng
return [lng * 2 - mglng, lat * 2 - mglat]
def transformlat(lng, lat):
ret = -100.0 + 2.0 * lng + 3.0 * lat + 0.2 * lat * lat + 0.1 * lng * lat + 0.2 * math.sqrt(math.fabs(lng))
ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0
ret += (20.0 * math.sin(lat * pi) + 40.0 * math.sin(lat / 3.0 * pi)) * 2.0 / 3.0
ret += (160.0 * math.sin(lat / 12.0 * pi) + 320 * math.sin(lat * pi / 30.0)) * 2.0 / 3.0
return ret
def transformlng(lng, lat):
ret = 300.0 + lng + 2.0 * lat + 0.1 * lng * lng + 0.1 * lng * lat + 0.1 * math.sqrt(math.fabs(lng))
ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0
ret += (20.0 * math.sin(lng * pi) + 40.0 * math.sin(lng / 3.0 * pi)) * 2.0 / 3.0
ret += (150.0 * math.sin(lng / 12.0 * pi) + 300.0 * math.sin(lng / 30.0 * pi)) * 2.0 / 3.0
return ret
def out_of_china(lng, lat):
"""
判断是否在国内，不在国内不做偏移
:param lng:
:param lat:
:return:
"""
if lng < 72.004 or lng > 137.8347:
return True
if lat < 0.8293 or lat > 55.8271:
return True
return False
def coordinates(c):
lng, lat = c.split(',')
lng, lat = float(lng), float(lat)
wlng, wlat = gcj02towgs84(lng, lat)
return wlng, wlat
def driving_planning(api_key, routes):
all_gdfs = []
all_dfs = []
for i, (from_location, to_location) in enumerate(routes):
url = 'https://restapi.amap.com/v3/direction/driving'
parameters = {
'key': api_key,
'origin': from_location,
'destination': to_location,
'strategy': '11',
'output': 'json'
}
response = requests.get(url, params=parameters)
data = json.loads(response.text)
if data['status'] == '1':
route = data['route']
paths = route['paths']
if paths:
path = paths[0]
distance = path['distance']
duration = path['duration']
steps = path['steps']
print(f"驾车路线规划 {i+1}:")
all_coordinates = []
step_data = []
for step in steps:
instruction = step['instruction']
distance = step['distance']
duration = step['duration']
polyline = step['polyline']
print(f"指令: {instruction}, 距离: {distance}米, 时间: {duration}秒, 路径: {polyline}")
# 转换坐标
coordinates_list = [coordinates(c) for c in polyline.split(';')]
all_coordinates.extend(coordinates_list)
# 将数据添加到列表
step_data.append({
'指令': instruction,
'距离': distance,
'时间': duration,
'路径': polyline
})
# 创建LineString
geometry = LineString(all_coordinates)
# 创建GeoDataFrame
gdf = gpd.GeoDataFrame(index=[i], geometry=[geometry])
gdf['distance'] = distance
gdf['duration'] = duration
gdf['route_id'] = i # 添加一个标识符来区分不同的路线
# 保存为SHP文件
gdf.to_file(f'driving_route_{i}.shp', driver='ESRI Shapefile')
# 保存为CSV文件
df = pd.DataFrame(step_data)
df['route_id'] = i # 添加一个标识符来区分不同的路线
df['label'] = f'驾车路线规划{i+1}' # 添加标签
df.to_csv(f'driving_route_{i}.csv', index=False, encoding='utf-8-sig')
all_gdfs.append(gdf)
all_dfs.append(df)
print(f"路径 {i+1} 已保存为 driving_route_{i}.shp 和 driving_route_{i}.csv")
else:
print(f"未找到路径 {i+1}")
else:
print(f"路线规划失败 {i+1}: {data['info']}")
# 合并所有GeoDataFrame
combined_gdf = gpd.GeoDataFrame(pd.concat(all_gdfs, ignore_index=True))
combined_gdf.to_file('combined_driving_routes.shp', driver='ESRI Shapefile')
# 合并所有DataFrame
combined_df = pd.concat(all_dfs, ignore_index=True)
combined_df.to_csv('combined_driving_routes.csv', index=False, encoding='utf-8-sig')
print("所有路径已合并并保存为 combined_driving_routes.shp 和 combined_driving_routes.csv")
if __name__ == '__main__':
api_key = '你的key' # 替换为你的高德地图API密钥
# 定义多个起终点对
routes = [
('121.596168,31.194734', '121.42837,31.230395'), # 示例起终点
('121.387047,31.108427', '121.506295,31.281965'), # 示例起终点
# 可以继续添加更多的起终点对
]
driving_planning(api_key, routes)
同样的 ，结果会输出每个路径的单独shp和csv，和合并后的结果为 combined_driving_routes.shp 和 combined_driving_routes.csv，在调用高德路径规划API并获取到驾车路径的详细数据后，我们可以将这些数据在地图上进行可视化，看到驾车的具体路径；
骑行路径规划参考服务示例，我们需要参数就更少了，只需要输入并配置的参数包括key、orign（起点坐标）、desination（终点坐标）、output 选json即可；
骑行路径规划
骑行路径规划用于规划骑行通勤方案，规划时会考虑天桥、单行线、封路等情况。最大支持 500km 的骑行路线规划。
完整代码#运行环境Python 3.11
# -*- coding: utf-8 -*-
import requests
import json
import geopandas as gpd
import pandas as pd
from shapely.geometry import LineString, Point
import math
# 高德GCJ-02坐标转换为WGS-84坐标
x_pi = 3.14159265358979324 * 3000.0 / 180.0
pi = 3.1415926535897932384626 # π
a = 6378245.0 # 长半轴
ee = 0.00669342162296594323 # 扁率
def gcj02towgs84(lng, lat):
"""
将GCJ-02坐标转换为WGS-84坐标。
:param lng: 火星坐标系的经度
:param lat: 火星坐标系的纬度
:return: WGS-84坐标系的经度和纬度
"""
if out_of_china(lng, lat):
return lng, lat
dlat = transformlat(lng - 105.0, lat - 35.0)
dlng = transformlng(lng - 105.0, lat - 35.0)
radlat = lat / 180.0 * pi
magic = math.sin(radlat)
magic = 1 - ee * magic * magic
sqrtmagic = math.sqrt(magic)
dlat = (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * pi)
dlng = (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * pi)
mglat = lat + dlat
mglng = lng + dlng
return [lng * 2 - mglng, lat * 2 - mglat]
def transformlat(lng, lat):
"""
计算坐标偏移量（纬度方向）。
:param lng: 经度
:param lat: 纬度
:return: 纬度偏移量
"""
ret = -100.0 + 2.0 * lng + 3.0 * lat + 0.2 * lat * lat + 0.1 * lng * lat + 0.2 * math.sqrt(math.fabs(lng))
ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0
ret += (20.0 * math.sin(lat * pi) + 40.0 * math.sin(lat / 3.0 * pi)) * 2.0 / 3.0
ret += (160.0 * math.sin(lat / 12.0 * pi) + 320 * math.sin(lat * pi / 30.0)) * 2.0 / 3.0
return ret
def transformlng(lng, lat):
"""
计算坐标偏移量（经度方向）。
:param lng: 经度
:param lat: 纬度
:return: 经度偏移量
"""
ret = 300.0 + lng + 2.0 * lat + 0.1 * lng * lng + 0.1 * lng * lat + 0.1 * math.sqrt(math.fabs(lng))
ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0
ret += (20.0 * math.sin(lng * pi) + 40.0 * math.sin(lng / 3.0 * pi)) * 2.0 / 3.0
ret += (150.0 * math.sin(lng / 12.0 * pi) + 300.0 * math.sin(lng / 30.0 * pi)) * 2.0 / 3.0
return ret
def out_of_china(lng, lat):
"""
判断坐标是否在中国范围内，不在国内不做偏移。
:param lng: 经度
:param lat: 纬度
:return: 布尔值，是否在中国范围内
"""
if lng < 72.004 or lng > 137.8347:
return True
if lat < 0.8293 or lat > 55.8271:
return True
return False
def coordinates(c):
"""
将字符串形式的坐标转换为浮点数，并进行坐标转换。
:param c: 坐标字符串，格式为 "经度,纬度"
:return: 转换后的WGS-84坐标
"""
lng, lat = c.split(',')
lng, lat = float(lng), float(lat)
wlng, wlat = gcj02towgs84(lng, lat)
return wlng, wlat
def bicycling_planning(api_key, routes):
"""
实现骑行路径规划，并将结果保存为SHP和CSV文件。
:param api_key: 高德地图API密钥
:param routes: 起终点对列表，每个元素是一个元组 (from_location, to_location)
"""
all_gdfs = []
all_dfs = []
for i, (from_location, to_location) in enumerate(routes):
# 构建请求URL和参数
url = 'https://restapi.amap.com/v4/direction/bicycling'
parameters = {
'key': api_key,
'origin': from_location,
'destination': to_location,
'output': 'json'
}
# 发送请求
response = requests.get(url, params=parameters)
data = json.loads(response.text)
if data['errcode'] == 0:
# 获取路径规划数据
paths = data['data']['paths']
if paths:
path = paths[0]
distance = path['distance']
duration = path['duration']
steps = path['steps']
print(f"骑行路线规划 {i+1}:")
all_coordinates = []
step_data = []
for step in steps:
instruction = step['instruction']
road = step['road']
distance = step['distance']
duration = step['duration']
polyline = step['polyline']
print(f"指令: {instruction}, 道路: {road}, 距离: {distance}米, 时间: {duration}秒, 路径: {polyline}")
# 转换坐标
coordinates_list = [coordinates(c) for c in polyline.split(';')]
all_coordinates.extend(coordinates_list)
# 将数据添加到列表
step_data.append({
'指令': instruction,
'道路': road,
'距离': distance,
'时间': duration,
'路径': polyline
})
# 创建LineString
geometry = LineString(all_coordinates)
# 创建GeoDataFrame
gdf = gpd.GeoDataFrame(index=[i], geometry=[geometry])
gdf['distance'] = distance
gdf['duration'] = duration
gdf['route_id'] = i # 添加一个标识符来区分不同的路线
# 保存为SHP文件
gdf.to_file(f'bicycling_route_{i}.shp', driver='ESRI Shapefile')
# 保存为CSV文件
df = pd.DataFrame(step_data)
df['route_id'] = i # 添加一个标识符来区分不同的路线
df['label'] = f'骑行路线规划{i+1}' # 添加标签
df.to_csv(f'bicycling_route_{i}.csv', index=False, encoding='utf-8-sig')
all_gdfs.append(gdf)
all_dfs.append(df)
print(f"路径 {i+1} 已保存为 bicycling_route_{i}.shp 和 bicycling_route_{i}.csv")
else:
print(f"未找到路径 {i+1}")
else:
print(f"路线规划失败 {i+1}: {data['errmsg']}")
# 合并所有GeoDataFrame
combined_gdf = gpd.GeoDataFrame(pd.concat(all_gdfs, ignore_index=True))
combined_gdf.to_file('combined_bicycling_routes.shp', driver='ESRI Shapefile')
# 合并所有DataFrame
combined_df = pd.concat(all_dfs, ignore_index=True)
combined_df.to_csv('combined_bicycling_routes.csv', index=False, encoding='utf-8-sig')
print("所有路径已合并并保存为 combined_bicycling_routes.shp 和 combined_bicycling_routes.csv")
if __name__ == '__main__':
api_key = '你的key' # 替换为你的高德地图API密钥
# 定义多个起终点对
routes = [
('121.481453,31.154145', '121.534596,31.233022'), # 示例起终点
('121.49956,31.240278', '121.569872,31.328836'), # 示例起终点
# 可以继续添加更多的起终点对
]
# 调用骑行路径规划函数
bicycling_planning(api_key, routes)
同样的 ，结果会输出每个路径的单独shp和csv，和合并后的结果为 combined_bicycling_routes.shp 和 combined_bicycling_routes.csv，在调用高德路径规划API并获取到骑行路径的详细数据后，我们可以将这些数据在地图上进行可视化，看到骑行的具体路径；
文章仅用于分享个人学习成果与个人存档之用，分享知识，如有侵权，请联系作者进行删除。所有信息均基于作者的个人理解和经验，不代表任何官方立场或权威解读。
本文转载自: https://blog.csdn.net/weixin_45812624/article/details/143180592
版权归原作者 图说交通 所有， 如有侵权，请联系我们删除。
版权归原作者 图说交通 所有， 如有侵权，请联系我们删除。