0
0

Python应用指南：利用高德地图API实现路径规划

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

  1. 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
  2. 坐标转换——高德坐标系（GCJ-02） to WGS84
  3. 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

https://restapi.amap.com/v3/direction/walking?origin=116.434307,39.90909&destination=116.434446,39.90816&key=<用户的key>

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。

  1.         parameters = {
  2.             'key': api_key,
  3.             'origin': from_location,
  4.             'destination': to_location,
  5.             'output': 'json'
  6.         }

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

  1. # -*- coding: utf-8 -*-
  2. import requests
  3. import json
  4. import geopandas as gpd
  5. import pandas as pd
  6. from shapely.geometry import LineString, Point
  7. import glob
  8. import math
  10. # 高德GCJ02(火星坐标系)转GPS84
  11. x_pi = 3.14159265358979324 * 3000.0 / 180.0
  12. pi = 3.1415926535897932384626  # π
  13. a = 6378245.0  # 长半轴
  14. ee = 0.00669342162296594323  # 扁率
  16. def gcj02towgs84(lng, lat):
  17.     """
  18.     GCJ02(火星坐标系)转GPS84
  19.     :param lng:火星坐标系的经度
  20.     :param lat:火星坐标系纬度
  21.     :return:
  22.     """
  23.     if out_of_china(lng, lat):
  24.         return lng, lat
  25.     dlat = transformlat(lng - 105.0, lat - 35.0)
  26.     dlng = transformlng(lng - 105.0, lat - 35.0)
  27.     radlat = lat / 180.0 * pi
  28.     magic = math.sin(radlat)
  29.     magic = 1 - ee * magic * magic
  30.     sqrtmagic = math.sqrt(magic)
  31.     dlat = (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * pi)
  32.     dlng = (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * pi)
  33.     mglat = lat + dlat
  34.     mglng = lng + dlng
  35.     return [lng * 2 - mglng, lat * 2 - mglat]
  37. def transformlat(lng, lat):
  38.     ret = -100.0 + 2.0 * lng + 3.0 * lat + 0.2 * lat * lat + 0.1 * lng * lat + 0.2 * math.sqrt(math.fabs(lng))
  39.     ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0
  40.     ret += (20.0 * math.sin(lat * pi) + 40.0 * math.sin(lat / 3.0 * pi)) * 2.0 / 3.0
  41.     ret += (160.0 * math.sin(lat / 12.0 * pi) + 320 * math.sin(lat * pi / 30.0)) * 2.0 / 3.0
  42.     return ret
  44. def transformlng(lng, lat):
  45.     ret = 300.0 + lng + 2.0 * lat + 0.1 * lng * lng + 0.1 * lng * lat + 0.1 * math.sqrt(math.fabs(lng))
  46.     ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0
  47.     ret += (20.0 * math.sin(lng * pi) + 40.0 * math.sin(lng / 3.0 * pi)) * 2.0 / 3.0
  48.     ret += (150.0 * math.sin(lng / 12.0 * pi) + 300.0 * math.sin(lng / 30.0 * pi)) * 2.0 / 3.0
  49.     return ret
  51. def out_of_china(lng, lat):
  52.     """
  53.     判断是否在国内，不在国内不做偏移
  54.     :param lng:
  55.     :param lat:
  56.     :return:
  57.     """
  58.     if lng < 72.004 or lng > 137.8347:
  59.         return True
  60.     if lat < 0.8293 or lat > 55.8271:
  61.         return True
  62.     return False
  64. def coordinates(c):
  65.     lng, lat = c.split(',')
  66.     lng, lat = float(lng), float(lat)
  67.     wlng, wlat = gcj02towgs84(lng, lat)
  68.     return wlng, wlat
  70. def route_planning(api_key, routes):
  71.     all_gdfs = []
  72.     all_dfs = []
  74.     for i, (from_location, to_location) in enumerate(routes):
  75.         url = 'https://restapi.amap.com/v3/direction/walking'
  76.         parameters = {
  77.             'key': api_key,
  78.             'origin': from_location,
  79.             'destination': to_location,
  80.             'output': 'json'
  81.         }
  83.         response = requests.get(url, params=parameters)
  84.         data = json.loads(response.text)
  86.         if data['status'] == '1':
  87.             route = data['route']
  88.             paths = route['paths']
  89.             if paths:
  90.                 path = paths[0]
  91.                 distance = path['distance']
  92.                 duration = path['duration']
  93.                 steps = path['steps']
  94.                 print(f"步行路线规划 {i+1}:")
  95.                 all_coordinates = []
  96.                 step_data = []
  98.                 for step in steps:
  99.                     instruction = step['instruction']
  100.                     distance = step['distance']
  101.                     duration = step['duration']
  102.                     polyline = step['polyline']
  103.                     print(f"指令: {instruction}, 距离: {distance}米, 时间: {duration}秒, 路径: {polyline}")
  105.                     # 转换坐标
  106.                     coordinates_list = [coordinates(c) for c in polyline.split(';')]
  107.                     all_coordinates.extend(coordinates_list)
  109.                     # 将数据添加到列表
  110.                     step_data.append({
  111.                         '指令': instruction,
  112.                         '距离': distance,
  113.                         '时间': duration,
  114.                         '路径': polyline
  115.                     })
  117.                 # 创建LineString
  118.                 geometry = LineString(all_coordinates)
  120.                 # 创建GeoDataFrame
  121.                 gdf = gpd.GeoDataFrame(index=[i], geometry=[geometry])
  122.                 gdf['distance'] = distance
  123.                 gdf['duration'] = duration
  124.                 gdf['route_id'] = i  # 添加一个标识符来区分不同的路线
  126.                 # 保存为SHP文件
  127.                 gdf.to_file(f'route_{i}.shp', driver='ESRI Shapefile')
  129.                 # 保存为CSV文件
  130.                 df = pd.DataFrame(step_data)
  131.                 df['route_id'] = i  # 添加一个标识符来区分不同的路线
  132.                 df['label'] = f'步行路线规划{i+1}'  # 添加标签
  133.                 df.to_csv(f'route_{i}.csv', index=False, encoding='utf-8-sig')
  135.                 all_gdfs.append(gdf)
  136.                 all_dfs.append(df)
  138.                 print(f"路径 {i+1} 已保存为 route_{i}.shp 和 route_{i}.csv")
  139.             else:
  140.                 print(f"未找到路径 {i+1}")
  141.         else:
  142.             print(f"路线规划失败 {i+1}: {data['info']}")
  144.     # 合并所有GeoDataFrame
  145.     combined_gdf = gpd.GeoDataFrame(pd.concat(all_gdfs, ignore_index=True))
  146.     combined_gdf.to_file('combined_routes.shp', driver='ESRI Shapefile')
  148.     # 合并所有DataFrame
  149.     combined_df = pd.concat(all_dfs, ignore_index=True)
  150.     combined_df.to_csv('combined_routes.csv', index=False, encoding='utf-8-sig')
  152.     print("所有路径已合并并保存为 combined_routes.shp 和 combined_routes.csv")
  154. if __name__ == '__main__':
  155.     api_key = '你的key'  # 替换为你的高德地图API密钥
  157.     # 定义多个起终点对
  158.     routes = [
  159.         ('121.430041,31.154579', '121.318910,31.193987'),  # 上海南站 -> 虹桥火车站
  160.         ('121.492466,31.225879', '121.508419,31.084134'),  # 人民广场 -> 复旦大学
  161.         # 可以继续添加更多的起终点对
  162.     ]
  164.     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

  1. # -*- coding: utf-8 -*-
  2. import requests
  3. import json
  4. import geopandas as gpd
  5. import pandas as pd
  6. from shapely.geometry import LineString, Point
  7. import math
  9. # 高德GCJ02(火星坐标系)转GPS84
  10. x_pi = 3.14159265358979324 * 3000.0 / 180.0
  11. pi = 3.1415926535897932384626  # π
  12. a = 6378245.0  # 长半轴
  13. ee = 0.00669342162296594323  # 扁率
  15. def gcj02towgs84(lng, lat):
  16.     """
  17.     GCJ02(火星坐标系)转GPS84
  18.     :param lng:火星坐标系的经度
  19.     :param lat:火星坐标系纬度
  20.     :return:
  21.     """
  22.     if out_of_china(lng, lat):
  23.         return lng, lat
  24.     dlat = transformlat(lng - 105.0, lat - 35.0)
  25.     dlng = transformlng(lng - 105.0, lat - 35.0)
  26.     radlat = lat / 180.0 * pi
  27.     magic = math.sin(radlat)
  28.     magic = 1 - ee * magic * magic
  29.     sqrtmagic = math.sqrt(magic)
  30.     dlat = (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * pi)
  31.     dlng = (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * pi)
  32.     mglat = lat + dlat
  33.     mglng = lng + dlng
  34.     return [lng * 2 - mglng, lat * 2 - mglat]
  36. def transformlat(lng, lat):
  37.     ret = -100.0 + 2.0 * lng + 3.0 * lat + 0.2 * lat * lat + 0.1 * lng * lat + 0.2 * math.sqrt(math.fabs(lng))
  38.     ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0
  39.     ret += (20.0 * math.sin(lat * pi) + 40.0 * math.sin(lat / 3.0 * pi)) * 2.0 / 3.0
  40.     ret += (160.0 * math.sin(lat / 12.0 * pi) + 320 * math.sin(lat * pi / 30.0)) * 2.0 / 3.0
  41.     return ret
  43. def transformlng(lng, lat):
  44.     ret = 300.0 + lng + 2.0 * lat + 0.1 * lng * lng + 0.1 * lng * lat + 0.1 * math.sqrt(math.fabs(lng))
  45.     ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0
  46.     ret += (20.0 * math.sin(lng * pi) + 40.0 * math.sin(lng / 3.0 * pi)) * 2.0 / 3.0
  47.     ret += (150.0 * math.sin(lng / 12.0 * pi) + 300.0 * math.sin(lng / 30.0 * pi)) * 2.0 / 3.0
  48.     return ret
  50. def out_of_china(lng, lat):
  51.     """
  52.     判断是否在国内，不在国内不做偏移
  53.     :param lng:
  54.     :param lat:
  55.     :return:
  56.     """
  57.     if lng < 72.004 or lng > 137.8347:
  58.         return True
  59.     if lat < 0.8293 or lat > 55.8271:
  60.         return True
  61.     return False
  63. def coordinates(c):
  64.     lng, lat = c.split(',')
  65.     lng, lat = float(lng), float(lat)
  66.     wlng, wlat = gcj02towgs84(lng, lat)
  67.     return wlng, wlat
  69. def driving_planning(api_key, routes):
  70.     all_gdfs = []
  71.     all_dfs = []
  73.     for i, (from_location, to_location) in enumerate(routes):
  74.         url = 'https://restapi.amap.com/v3/direction/driving'
  75.         parameters = {
  76.             'key': api_key,
  77.             'origin': from_location,
  78.             'destination': to_location,
  79.             'strategy': '11',
  80.             'output': 'json'
  81.         }
  83.         response = requests.get(url, params=parameters)
  84.         data = json.loads(response.text)
  86.         if data['status'] == '1':
  87.             route = data['route']
  88.             paths = route['paths']
  89.             if paths:
  90.                 path = paths[0]
  91.                 distance = path['distance']
  92.                 duration = path['duration']
  93.                 steps = path['steps']
  94.                 print(f"驾车路线规划 {i+1}:")
  95.                 all_coordinates = []
  96.                 step_data = []
  98.                 for step in steps:
  99.                     instruction = step['instruction']
  100.                     distance = step['distance']
  101.                     duration = step['duration']
  102.                     polyline = step['polyline']
  103.                     print(f"指令: {instruction}, 距离: {distance}米, 时间: {duration}秒, 路径: {polyline}")
  105.                     # 转换坐标
  106.                     coordinates_list = [coordinates(c) for c in polyline.split(';')]
  107.                     all_coordinates.extend(coordinates_list)
  109.                     # 将数据添加到列表
  110.                     step_data.append({
  111.                         '指令': instruction,
  112.                         '距离': distance,
  113.                         '时间': duration,
  114.                         '路径': polyline
  115.                     })
  117.                 # 创建LineString
  118.                 geometry = LineString(all_coordinates)
  120.                 # 创建GeoDataFrame
  121.                 gdf = gpd.GeoDataFrame(index=[i], geometry=[geometry])
  122.                 gdf['distance'] = distance
  123.                 gdf['duration'] = duration
  124.                 gdf['route_id'] = i  # 添加一个标识符来区分不同的路线
  126.                 # 保存为SHP文件
  127.                 gdf.to_file(f'driving_route_{i}.shp', driver='ESRI Shapefile')
  129.                 # 保存为CSV文件
  130.                 df = pd.DataFrame(step_data)
  131.                 df['route_id'] = i  # 添加一个标识符来区分不同的路线
  132.                 df['label'] = f'驾车路线规划{i+1}'  # 添加标签
  133.                 df.to_csv(f'driving_route_{i}.csv', index=False, encoding='utf-8-sig')
  135.                 all_gdfs.append(gdf)
  136.                 all_dfs.append(df)
  138.                 print(f"路径 {i+1} 已保存为 driving_route_{i}.shp 和 driving_route_{i}.csv")
  139.             else:
  140.                 print(f"未找到路径 {i+1}")
  141.         else:
  142.             print(f"路线规划失败 {i+1}: {data['info']}")
  144.     # 合并所有GeoDataFrame
  145.     combined_gdf = gpd.GeoDataFrame(pd.concat(all_gdfs, ignore_index=True))
  146.     combined_gdf.to_file('combined_driving_routes.shp', driver='ESRI Shapefile')
  148.     # 合并所有DataFrame
  149.     combined_df = pd.concat(all_dfs, ignore_index=True)
  150.     combined_df.to_csv('combined_driving_routes.csv', index=False, encoding='utf-8-sig')
  152.     print("所有路径已合并并保存为 combined_driving_routes.shp 和 combined_driving_routes.csv")
  154. if __name__ == '__main__':
  155.     api_key = '你的key'  # 替换为你的高德地图API密钥
  157.     # 定义多个起终点对
  158.     routes = [
  159.         ('121.596168,31.194734', '121.42837,31.230395'),  # 示例起终点
  160.         ('121.387047,31.108427', '121.506295,31.281965'),  # 示例起终点
  161.         # 可以继续添加更多的起终点对
  162.     ]
  164.     driving_planning(api_key, routes)
  165.

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

  1. # -*- coding: utf-8 -*-
  2. import requests
  3. import json
  4. import geopandas as gpd
  5. import pandas as pd
  6. from shapely.geometry import LineString, Point
  7. import math
  9. # 高德GCJ-02坐标转换为WGS-84坐标
  10. x_pi = 3.14159265358979324 * 3000.0 / 180.0
  11. pi = 3.1415926535897932384626  # π
  12. a = 6378245.0  # 长半轴
  13. ee = 0.00669342162296594323  # 扁率
  15. def gcj02towgs84(lng, lat):
  16.     """
  17.     将GCJ-02坐标转换为WGS-84坐标。
  18.     :param lng: 火星坐标系的经度
  19.     :param lat: 火星坐标系的纬度
  20.     :return: WGS-84坐标系的经度和纬度
  21.     """
  22.     if out_of_china(lng, lat):
  23.         return lng, lat
  24.     dlat = transformlat(lng - 105.0, lat - 35.0)
  25.     dlng = transformlng(lng - 105.0, lat - 35.0)
  26.     radlat = lat / 180.0 * pi
  27.     magic = math.sin(radlat)
  28.     magic = 1 - ee * magic * magic
  29.     sqrtmagic = math.sqrt(magic)
  30.     dlat = (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * pi)
  31.     dlng = (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * pi)
  32.     mglat = lat + dlat
  33.     mglng = lng + dlng
  34.     return [lng * 2 - mglng, lat * 2 - mglat]
  36. def transformlat(lng, lat):
  37.     """
  38.     计算坐标偏移量（纬度方向）。
  39.     :param lng: 经度
  40.     :param lat: 纬度
  41.     :return: 纬度偏移量
  42.     """
  43.     ret = -100.0 + 2.0 * lng + 3.0 * lat + 0.2 * lat * lat + 0.1 * lng * lat + 0.2 * math.sqrt(math.fabs(lng))
  44.     ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0
  45.     ret += (20.0 * math.sin(lat * pi) + 40.0 * math.sin(lat / 3.0 * pi)) * 2.0 / 3.0
  46.     ret += (160.0 * math.sin(lat / 12.0 * pi) + 320 * math.sin(lat * pi / 30.0)) * 2.0 / 3.0
  47.     return ret
  49. def transformlng(lng, lat):
  50.     """
  51.     计算坐标偏移量（经度方向）。
  52.     :param lng: 经度
  53.     :param lat: 纬度
  54.     :return: 经度偏移量
  55.     """
  56.     ret = 300.0 + lng + 2.0 * lat + 0.1 * lng * lng + 0.1 * lng * lat + 0.1 * math.sqrt(math.fabs(lng))
  57.     ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0
  58.     ret += (20.0 * math.sin(lng * pi) + 40.0 * math.sin(lng / 3.0 * pi)) * 2.0 / 3.0
  59.     ret += (150.0 * math.sin(lng / 12.0 * pi) + 300.0 * math.sin(lng / 30.0 * pi)) * 2.0 / 3.0
  60.     return ret
  62. def out_of_china(lng, lat):
  63.     """
  64.     判断坐标是否在中国范围内，不在国内不做偏移。
  65.     :param lng: 经度
  66.     :param lat: 纬度
  67.     :return: 布尔值，是否在中国范围内
  68.     """
  69.     if lng < 72.004 or lng > 137.8347:
  70.         return True
  71.     if lat < 0.8293 or lat > 55.8271:
  72.         return True
  73.     return False
  75. def coordinates(c):
  76.     """
  77.     将字符串形式的坐标转换为浮点数，并进行坐标转换。
  78.     :param c: 坐标字符串，格式为 "经度,纬度"
  79.     :return: 转换后的WGS-84坐标
  80.     """
  81.     lng, lat = c.split(',')
  82.     lng, lat = float(lng), float(lat)
  83.     wlng, wlat = gcj02towgs84(lng, lat)
  84.     return wlng, wlat
  86. def bicycling_planning(api_key, routes):
  87.     """
  88.     实现骑行路径规划，并将结果保存为SHP和CSV文件。
  89.     :param api_key: 高德地图API密钥
  90.     :param routes: 起终点对列表，每个元素是一个元组 (from_location, to_location)
  91.     """
  92.     all_gdfs = []
  93.     all_dfs = []
  95.     for i, (from_location, to_location) in enumerate(routes):
  96.         # 构建请求URL和参数
  97.         url = 'https://restapi.amap.com/v4/direction/bicycling'
  98.         parameters = {
  99.             'key': api_key,
  100.             'origin': from_location,
  101.             'destination': to_location,
  102.             'output': 'json'
  103.         }
  105.         # 发送请求
  106.         response = requests.get(url, params=parameters)
  107.         data = json.loads(response.text)
  109.         if data['errcode'] == 0:
  110.             # 获取路径规划数据
  111.             paths = data['data']['paths']
  112.             if paths:
  113.                 path = paths[0]
  114.                 distance = path['distance']
  115.                 duration = path['duration']
  116.                 steps = path['steps']
  117.                 print(f"骑行路线规划 {i+1}:")
  118.                 all_coordinates = []
  119.                 step_data = []
  121.                 for step in steps:
  122.                     instruction = step['instruction']
  123.                     road = step['road']
  124.                     distance = step['distance']
  125.                     duration = step['duration']
  126.                     polyline = step['polyline']
  127.                     print(f"指令: {instruction}, 道路: {road}, 距离: {distance}米, 时间: {duration}秒, 路径: {polyline}")
  129.                     # 转换坐标
  130.                     coordinates_list = [coordinates(c) for c in polyline.split(';')]
  131.                     all_coordinates.extend(coordinates_list)
  133.                     # 将数据添加到列表
  134.                     step_data.append({
  135.                         '指令': instruction,
  136.                         '道路': road,
  137.                         '距离': distance,
  138.                         '时间': duration,
  139.                         '路径': polyline
  140.                     })
  142.                 # 创建LineString
  143.                 geometry = LineString(all_coordinates)
  145.                 # 创建GeoDataFrame
  146.                 gdf = gpd.GeoDataFrame(index=[i], geometry=[geometry])
  147.                 gdf['distance'] = distance
  148.                 gdf['duration'] = duration
  149.                 gdf['route_id'] = i  # 添加一个标识符来区分不同的路线
  151.                 # 保存为SHP文件
  152.                 gdf.to_file(f'bicycling_route_{i}.shp', driver='ESRI Shapefile')
  154.                 # 保存为CSV文件
  155.                 df = pd.DataFrame(step_data)
  156.                 df['route_id'] = i  # 添加一个标识符来区分不同的路线
  157.                 df['label'] = f'骑行路线规划{i+1}'  # 添加标签
  158.                 df.to_csv(f'bicycling_route_{i}.csv', index=False, encoding='utf-8-sig')
  160.                 all_gdfs.append(gdf)
  161.                 all_dfs.append(df)
  163.                 print(f"路径 {i+1} 已保存为 bicycling_route_{i}.shp 和 bicycling_route_{i}.csv")
  164.             else:
  165.                 print(f"未找到路径 {i+1}")
  166.         else:
  167.             print(f"路线规划失败 {i+1}: {data['errmsg']}")
  169.     # 合并所有GeoDataFrame
  170.     combined_gdf = gpd.GeoDataFrame(pd.concat(all_gdfs, ignore_index=True))
  171.     combined_gdf.to_file('combined_bicycling_routes.shp', driver='ESRI Shapefile')
  173.     # 合并所有DataFrame
  174.     combined_df = pd.concat(all_dfs, ignore_index=True)
  175.     combined_df.to_csv('combined_bicycling_routes.csv', index=False, encoding='utf-8-sig')
  177.     print("所有路径已合并并保存为 combined_bicycling_routes.shp 和 combined_bicycling_routes.csv")
  179. if __name__ == '__main__':
  180.     api_key = '你的key'  # 替换为你的高德地图API密钥
  182.     # 定义多个起终点对
  183.     routes = [
  184.         ('121.481453,31.154145', '121.534596,31.233022'),  # 示例起终点
  185.         ('121.49956,31.240278', '121.569872,31.328836'),  # 示例起终点
  186.         # 可以继续添加更多的起终点对
  187.     ]
  189.     # 调用骑行路径规划函数
  190.     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。

标签： 算法 数据库 数据分析
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。
登录后发布评论

“Python应用指南：利用高德地图API实现路径规划”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

网络安全法-网络运行安全

使用selenium/drissionpage时如何阻止chrome自动跳转http到https

docker desktop 里部署的Open WebUI 管理员密码忘记了的处理方法

在ubuntu20.04中搭建onsite比赛运行环境

利用开源的低代码表单设计器FcDesigner高效管理和渲染复杂表单结构

Kafka学习笔记

【前端】浏览器输入url到页面呈现发生了什么？

文章导航
没有找到文章内容分段。。。