OSMnx 路径规划：下载城市路网与计算最短路径

FreeGuideOnline 最新 2026-06-24

使用 OSMnx 进行路径规划：下载城市路网与计算最短路径

什么是 OSMnx？

OSMnx 是一个 Python 库，用于从 OpenStreetMap 下载、建模、分析和可视化真实世界的街道网络。它把地理空间数据转化为可计算的有向图，让路径规划、网络分析变得异常简单。你只需要几行代码，就可以拿到任意城市的路网，并利用图算法（如 Dijkstra 或 A*）找到两点之间的最短路径。

本教程的目标：教你如何用 OSMnx 下载一个城市的步行、骑行或驾车路网，并在该网络中计算任意起点和终点的最短路径，最后将结果可视化。

前置准备与安装

开始之前，请确保你的 Python 环境中安装了 OSMnx。推荐使用 conda 来创建隔离环境，避免地理库的依赖冲突。

conda create -n oxenv python=3.10
conda activate oxenv
conda install -c conda-forge osmnx

主要依赖会自动安装，包括 NetworkX、GeoPandas、Matplotlib 等。安装完成后，在 Jupyter Notebook 或 Python 脚本中导入库：

import osmnx as ox
import networkx as nx
import matplotlib.pyplot as plt

第一步：下载城市路网

OSMnx 提供了多种方式去获取街道网络。最常用的是 graph_from_place 函数，它接受一个地名字符串（如 "北京, 中国"）或者地理边界框（经纬度），返回一个 NetworkX 的有向多重图 MultiDiGraph。

下载一个城市的驾车路网（默认 network_type='drive'）：

# 下载上海部分区域的路网（为了快速演示，使用行政区划的查询）
G = ox.graph_from_place('徐汇区, 上海, 中国', network_type='drive')

network_type 参数控制下载哪种类型的道路：

  • 'drive' – 可以驾车的道路
  • 'walk' – 所有可以步行的路径（含步道）
  • 'bike' – 允许骑行的路网
  • 'all' – 所有可能通行的路径

如果你想下载整个城市，直接传入 '北京市, 中国' 即可，但注意数据量可能较大，建议先从区级边界开始。

按经纬度边界框下载 更加精确：

north, south, east, west = 31.23, 31.18, 121.50, 121.42
G = ox.graph_from_bbox(north, south, east, west, network_type='walk')

graph_from_bbox 接受四点坐标（北、南、东、西），返回该矩形区域内的步行网络。

第二步：将路网图投影到平面坐标

下载的路网默认使用 WGS84 经纬度坐标（单位为度），要计算准确的距离和最短路径，需要把图投影到合理的平面坐标系（单位为米）。使用 OSMnx 的自动投影功能：

G_proj = ox.project_graph(G)

这会根据图的中心位置自动选择一个合适的 UTM 投影带，将所有节点的坐标转换为米的单位。

第三步：获取起点和终点的最近节点

路径规划需要起点和终点的图节点。假设我们有两个地理坐标点，我们需要找到路网中离它们最近的节点：

# 起点（徐家汇地铁站附近）和终点（上海体育场附近）
orig_point = (31.1957, 121.4374)   # (纬度, 经度)
dest_point = (31.1821, 121.4439)

# 找到投影路网中最近节点
orig_node = ox.nearest_nodes(G_proj, X=orig_point[1], Y=orig_point[0])
dest_node = ox.nearest_nodes(G_proj, X=dest_point[1], Y=dest_point[0])

nearest_nodes 接受投影后的 X、Y 坐标（经度在前）。函数内部使用 KDTree 高效搜索最近节点。

第四步：计算最短路径

NetworkX 提供了内置的最短路径算法，OSMnx 封装了路由方法 shortest_path，它会考虑边的长度（单位为米）作为权重。

# 计算最短路径（默认使用长度作为权重）
route = ox.shortest_path(G_proj, orig_node, dest_node, weight='length')

# 查看路径节点序列
print(route[:10])  # 打印前10个节点ID

如果需要避开某类道路或考虑实时交通，目前版本 OSMnx 本身不处理实时流量，但可以通过给边赋自定义权重曲线实现。对于基础教程，weight='length' 就能给出几何意义上的最短路径。

第五步：可视化路径与路网

得到路径节点后，OSMnx 提供了便捷的绘图函数，将路线叠加在地图上。

使用 Matplotlib 静态可视化：

fig, ax = ox.plot_graph_route(G_proj, route, node_size=0,
                              bgcolor='w', edge_color='#999999',
                              route_color='#e31a1c', route_linewidth=4,
                              edge_linewidth=0.5)
plt.show()
  • G_proj 是投影路网
  • route 是节点序列
  • 将背景道路设成灰色 #999999，路径用红色高亮

交互式地图（使用 Folium）：

# 注意：需要将 G 保留为未投影的经纬度图，或使用 G 原始图
G_wgs = ox.project_graph(G, to_crs='EPSG:4326')  # 转回经纬度
route_map = ox.plot_route_folium(G_wgs, route, tiles='cartodbpositron')
route_map.save('route_map.html')

这会生成一个可交互的 HTML 地图，可以缩放查看路线细节。

进阶技巧：考虑速度与时间的最短路径

默认最短路径是几何距离最短，你也可以使用 travel_time 作为权重，这需要先为每条边估算行程时间。OSMnx 提供了添加速度和时间属性的功能：

# 为驾车网络添加默认速度限制并计算行程时间
G_time = ox.add_edge_speeds(G_proj)
G_time = ox.add_edge_travel_times(G_time)
route_by_time = ox.shortest_path(G_time, orig_node, dest_node, weight='travel_time')

之后可以对比两种路线的差异。

实战：完整示例脚本

以下是一个完整的可运行脚本，它下载徐汇区步行网络，计算两个地标间最短步行路径并显示。

import osmnx as ox
import matplotlib.pyplot as plt

# 1. 下载步行网络
G = ox.graph_from_place('徐汇区, 上海, 中国', network_type='walk')

# 2. 投影
G_proj = ox.project_graph(G)

# 3. 定义起终点坐标
orig_lat, orig_lon = 31.1957, 121.4374
dest_lat, dest_lon = 31.1821, 121.4439

# 4. 最近节点
orig_node = ox.nearest_nodes(G_proj, orig_lon, orig_lat)
dest_node = ox.nearest_nodes(G_proj, dest_lon, dest_lat)

# 5. 最短路径
route = ox.shortest_path(G_proj, orig_node, dest_node, weight='length')

# 6. 绘图
fig, ax = ox.plot_graph_route(G_proj, route, node_size=0,
                              bgcolor='w', edge_color='#aaaaaa',
                              route_color='#d73027', route_linewidth=5)
plt.show()

常见问题与故障排查

  • 下载路网时报错 insufficient response：地区范围太大或者网络请求超时。尝试缩小查询范围，或用 ox.geocode_to_gdf 获取更小的行政边界来构建图。
  • 找不到最近节点返回 ValueError：检查坐标顺序，nearest_nodes 需要经度在前，纬度在后；并且确保坐标位于路网覆盖范围内。
  • 投影后距离计算异常：确保在下载后对图进行投影，否则 length 属性是以度数计算，毫无意义。

小结

你现在已经掌握了 OSMnx 路径规划的核心流程：下载指定城市的路网 → 投影坐标 → 定位最近节点 → 计算最短路径 → 可视化。这套流程适用于任意城市，并且只需更换 network_type 就可以切换驾车、步行或骑行模式。下一步可以尝试为多点路线、循环路线或者网络属性分析（如计算任意两点的可达性）扩展此基础模板。