简介内蒙古路网矢量数据以Shapefile线矢量格式组织完整覆盖自治区内高速公路、国道、省道、县道等各级道路既记录道路几何走向也包含道路等级、名称、限速等基础属性适合地理信息数据处理人员、交通规划师和地图制图工作者使用可直接用于道路网络可视化、空间查询与路网结构分析。压缩包共7个文件包括承载几何形状的.shp文件、保存属性信息的.dbf文件、定义坐标投影的.prj文件、提升检索效率的空间索引文件以及配套元数据整体约34.32MB。已有765人浏览学习。数据可加载到ArcGIS、QGIS等常用平台进行编辑与处理能完成道路长度统计、路网密度与连通性计算也可与土地利用、人口分布、气候信息叠加服务于交通规划、环境影响评估、导航底图制作和灾害应急响应路线设计是开展内蒙古区域研究和实际项目的基础性地理数据集合。1. 某自治区路网矢量数据拿到 shp 之后真正的活才刚刚开始做路网分析、交通规划或地图可视化的人几乎都会在某一天拿到一份「某自治区路网矢量数据shp格式」的文件包。打开一看几十万条线段铺满屏幕属性表里有道路等级、名称、编号——看上去挺完整。但等你真的用它做网络分析、算可达性、出专题图问题就冒出来了坐标系对不上、拓扑错误多、断头路遍地都是。这份数据不是拿来就能用的它像一份未经整理的原材料需要你按确定的步骤清洗、配准、修复才能真正进分析流程。这篇文章就是讲这条完整链路的从认识 shp 格式的结构开始到处理坐标系、修复拓扑、规避常见坑最后落到网络分析与可视化。适合刚接触矢量路网数据的新手也适合被某类边界问题卡住的老手。我尽量把参数、命令和踩过的坑都写清楚。2. 先搞清楚 shp 的底细一整个文件家族缺一个都麻烦很多人以为「shp 格式」就是那一个后缀为 .shp 的文件真处理起来才发现它是一个文件家族。用 GIS 软件打开一份 shp 数据背后其实有至少三四个文件在协同工作缺一个轻则打不开重则属性表一片空白或者图形错位。2.1 shp 不是单个文件主文件、索引、属性表、投影文件各管什么一份完整的 shp 数据通常包含以下文件不要求全部存在但缺了会出问题文件后缀作用缺失后果.shp存储几何图形点、线、面无图形.shx几何索引加速读取打开变慢部分软件报错.dbf属性表存道路名称、等级等字段图形还在属性全丢.prj投影/坐标系描述文件软件不知道数据在哪显示乱飞.cpg属性表编码声明中文乱码拿到数据先做一件事在文件管理器里把后缀显示打开看这一套文件齐不齐。最常见的问题就是 .prj 缺失——对方导出时没带投影文件你打开后图形挤在地图窗口左下角或者与底图完全对不上。这种情况别急着骂数据先按第 3 章的方法重新定义坐标系就行。2.2 用 ogr2ogr 快速检查数据完整性我一般拿到新数据第一件事就是用 GDAL 的命令行工具做一次体检比打开桌面软件快得多ogrinfo -so 某自治区路网.shp 某自治区路网这里-so表示只输出概要信息summary only后面跟文件路径和图层名。输出里重点看三样Feature Count要素总数、Extent空间范围、Geometry几何类型。如果 Geometry 显示Line String或Multi Line String说明是路网该有的线要素如果显示3D Line String注意数据带 Z 值后面做投影转换时要小心维度的变化。Extent 如果正常落在某个小数值范围内比如经度一百零几、纬度四十左右说明文件自带正确坐标系统如果 Extent 显示上千上万的值说明这数据是投影坐标不是地理坐标。2.3 属性表里藏着什么道路等级、名称、编号先摸清字段再动手打开 .dbf 属性表常见的路网字段有道路名称name、道路等级class/level、道路编号code、车道数lanes、限速speed_limit、路面材料surface等。不同来源的数据字段名差别很大有的用中文有的用拼音缩写比如DLDJ道路等级、DLMC道路名称这种。拿到数据第一步先用 ogrinfo 把字段清单打出来ogrinfo -so -al 某自治区路网.shp | grep -E name|type看字段名和字段类型。这步很重要因为后续做拓扑修复、按等级筛选道路都要依赖字段名。如果字段名是中文且在地理数据库里导出成 shp 时经常会被截断成 10 个字符——这是 shp 格式的历史限制字段名最长 10 字节中文一个字符占 3 字节所以中文字段名经常变成乱码或残缺。遇到这种情况我一般用 Python 的 pyshp 库重写一份字段名规范的数据后面会讲到。提示shp 格式本身有 2GB 上限。如果你的路网数据超过这个体量大范围高精度路网偶尔会建议转成 GeoPackage 或 PostGIS 再处理。不过以某自治区范围来看普通路网数据一般达不到这个上限。3. 坐标系是路网数据的第一道坎先确认再转换最后才敢动坐标系搞错是路网数据最常翻车的环节。某自治区范围跨度大东西向跨度超过 20 个经度南北也有十几个纬度。拿到数据先分清楚它是地理坐标系经纬度单位是度还是投影坐标系单位是米这一步决定了后面所有距离计算和空间分析的准确性。3.1 区分地理坐标和投影坐标最直接的判断方法打开 QGIS 或者 ArcGIS 的图层属性看坐标系显示。如果显示的是类似「GCS_WGS_1984」或「CGCS2000」单位是度那就是地理坐标。如果显示的是「某投影带」、「某兰勃特投影」之类的单位是米那是投影坐标。还有个更快的土办法看 Extent 数值。用 ogrinfo 打出来的 Extent 如果四个数值都在 -180 到 180、-90 到 90 之间基本可以确定是经纬度。如果范围值大到几十万甚至上百万那是投影坐标的米制单位。还有一些数据没有 .prj 文件打开后在 GIS 软件里显示在原点附近或者需要你手动指定坐标系。这个阶段最容易踩坑数据明明是中国境内路网却被默认指定成了 WGS84 经纬度叠加在别的底图上差了十几公里看起来像路网长歪了。3.2 将路网数据统一到 CGCS2000 投影用 pyproj 做精确转换国内的路网数据常见做法是统一到 CGCS2000 坐标系。为什么要换投影因为地理坐标的度不是等距单位直接算距离会得出荒谬的结果。比如在同一经度差下北纬 45 度的实际距离比赤道附近小得多。做路网分析距离是关键参数所以必须把它换到等距的投影坐标下。用 Python 的 pyproj 库做转换是成熟的做法。以下代码实现从 WGS84 经纬度转换到 CGCS2000 高斯-克吕格投影按某自治区位置选择对应的中央经线分带import pyproj from shapely.geometry import shape import fiona # 定义源坐标系WGS84 地理坐标 src_crs pyproj.CRS.from_epsg(4326) # 定义目标坐标系CGCS2000 / 高斯-克吕格投影中央经线 111°E # 根据某自治区中东部区域位置选 111°E 分带若数据偏西/东改 central_longitude 即可 dst_crs pyproj.CRS.from_proj4( projtmerc lat_00 lon_0111 k1 x_0500000 y_00 ellpsGRS80 unitsm no_defs ) transformer pyproj.Transformer.from_crs(src_crs, dst_crs, always_xyTrue) with fiona.open(某自治区路网.shp, r) as src: # 创建输出文件坐标系用目标 CRS 的 WKT meta src.meta meta[crs] dst_crs.to_wkt() with fiona.open(某自治区路网_cgcs2000.shp, w, **meta) as dst: for feat in src: geom shape(feat[geometry]) # 逐坐标点转换 new_geom transform_geom(geom, transformer) feat[geometry] new_geom dst.write(feat)central_longitude的参数要根据数据所在经度范围调整。某自治区东西跨度大如果数据覆盖全区需要判断是按 105°E、111°E 还是 117°E 分带。一个简单的经验查看原始数据的 Extent 中心经度选择离它最近的标准分带中央经线。如果覆盖范围横跨两个分带建议把数据按经度切片分别投影或者改用兰勃特等角圆锥投影——它特别适合东西狭长、跨分带的区域。注意如果数据源已经是 CGCS2000 地理坐标经纬度不要再走 WGS84 转 CGCS2000 的路径直接做高斯-克吕格投影即可。中间多一次转换等于多引入一次误差。3.3 QGIS 里批量重投影不想写代码时的图形化方案如果你不想碰代码QGIS 的「导出」功能就能完成重投影。右键图层 → 导出 → 要素另存为在「CRS」选项里选择目标坐标系。要点是勾选「将选中的要素保存为」旁边的「几何图形」选项并确保输出文件名不含中文字符或空格——这个问题后面会在避坑章节细说。QGIS 还有一个好处处理完后你可以把转换结果和原始数据同时加载用「坐标窗口」里的数值对比。选中同一个路口转换前后经纬度应该能对应上如果差了十万八千里说明中央经线选错了重来。4. 路网拓扑修复断头路、重复线、相交未打断分析前必须清干净坐标系搞定之后路网数据能正确显示了但还不能直接用来做网络分析。真实路网数据在数字化过程中会产生大量拓扑错误两条路相交处没有打断、同一条路被重复数字化、本该相连的断口莫名断开。这些错误在平面视图上看不出来一跑网络分析就全部暴露路径计算抄近路、可达性范围严重偏离、距离统计翻倍。4.1 用 Python shapely 做相交打断把每条线在交点处切开路网分析的基本要求是两条路相交的位置必须有同一坐标的节点。如果各自穿过而没有交点路径规划算法会认为它们是两条不相干的路无法转弯。检查方法很直观把路网叠加在高分辨率影像上看交叉路口是否存在「十字线中间没有节点」的情况。手动修复不现实用 shapely 的union操作可以批量打断import geopandas as gpd gdf gpd.read_file(某自治区路网_cgcs2000.shp) # 用 unary_union 把所有线在相交处打断成小段 # 注意这会消除原始线的属性关联所以先在打断前记录原线索引 gdf[seg_id] range(len(gdf)) lines gdf.geometry.values # 逐线打散并保留原线 ID 字段 segments [] for idx, line in enumerate(lines): # 如果几何是 MultiLineString 或 LineString统一处理 if line.geom_type LineString: segs [line] else: segs list(line.geoms) for seg in segs: segments.append({geometry: seg, orig_idx: idx}) seg_gdf gpd.GeoDataFrame(segments, crsgdf.crs) # 执行几何合并打断 from shapely.ops import unary_union, linemerge merged unary_union(seg_gdf.geometry.values) # 将打断后的结果拆成 LineString 段 result_lines [] if merged.geom_type MultiLineString: result_lines list(merged.geoms) else: result_lines [merged]unary_union会把所有线的相交处自动切开。但要注意这个操作会丢掉属性表——每条打断后的线段和原始道路的从属关系需要你自己记录。上面的代码用orig_idx保留原线索引但还不足以精确对应一条路可能被切成 5 段这 5 段都应继承原路属性。实操中我一般用空间连接spatial join来做属性重关联或者用 QGIS 的「线相交」工具处理体积较小的数据。如果数据量在几万条以内直接在 QGIS 里跑「处理工具箱 → 矢量几何 → 线相交」更快。4.2 修复悬挂点与断头识别真正的断点和伪断点打断之后下一个问题是悬挂点dangling node。一条路的端点没有与其他任何路相连就是一个悬挂点。在路网中有的悬挂点是正常的——路的尽头、边界不完整、未连接的匝道。但绝大多数的悬挂点意味着数据缺失或数字化错误。用 shapely 找出所有线端点再判断每个端点是否落在其他线上from shapely.geometry import Point # 收集所有线的端点 endpoints [] for line in result_lines: coords list(line.coords) endpoints.append(Point(coords[0])) endpoints.append(Point(coords[-1])) # 构建空间索引判断每个端点是否被其他线覆盖 from shapely.strtree import STRtree tree STRtree(result_lines) dangling [] for pt in endpoints: # 查询与端点距离小于 1 米容差的线 nearby tree.query(pt) matches [l for l in nearby if l.distance(pt) 1.0] if len(matches) 0: dangling.append(pt)容差设置很关键。路网数据在数字化时不可能精确到毫米级端点离相邻线有 0.5 米的间隙很常见所以容差至少要设在 1 米。但这个值不是随便拍的容差太小会把所有半连接的点都当成断点容差太大又会把真正的断路误判为连接。建议先用 1 米跑一遍统计悬挂点数量和分布再按数据密集程度调整到 0.5 米或 2 米。我通常会把悬挂点导出成点图层叠在影像上看一遍确认哪些是真实断头路。4.3 删除重复和冗余节点别让一条路有几百个坐标点还有一种常见问题是重复几何。同一条路被数字化了两遍两条线形状完全相同但属性表里是两条记录查询时会出现大量重复结果。用geopandas的drop_duplicates可以处理严格重复的几何但对于部分重叠的线需要手动判断。冗余节点是另一个容易忽略的点一条几公里的路节点密度高的地方可能每隔几米一个点这通常是从高精度 GPS 轨迹生成的但会造成文件体积膨胀和分析变慢。QGIS 的「简化几何」工具可以按道格拉斯-普克算法简化容差设 15 米即可这个操作能去掉 30%60% 的节点而不影响路网形状。ogr2ogr -simplify 3 某自治区路网_简化.shp 某自治区路网_cgcs2000.shp-simplify 3表示简化容差为 3 米。这个参数不是越大越好——城市道路密集区域3 米足够在乡村道路弯道多的地方3 米可能把弯道拉直影响距离精度。我会先做一版 1 米简化对比一下再决定最终容差。5. 路网数据避坑指南坐标系、编码、字段名这些坑我全踩过这一章是血泪经验的汇总。路网矢量数据处理翻车的概率非常高但翻车点也高度集中。以下是我处理各类路网数据时反复遇到的 5 类问题每条都有现象、原因和解决办法。5.1 打开属性表全是乱码编码声明缺失或错误现象在 QGIS 里打开某自治区路网.shp属性表里的中文道路名称变成「锟斤拷」或「æ°å»ºè·¯」这类乱码。原因shp 的属性表 .dbf 文件使用 DBF 格式编码信息不在文件内部而是靠系统猜测。有的数据是 GBK 编码有的是 UTF-8 编码导出时没有写明 .cpg 文件读取方默认按本地系统编码读取一旦猜错就是满屏乱码。解决在 QGIS 中右键图层 → 图层属性 → 源 → 数据源编码手动切换 GBK / UTF-8能解决大多数情况。另一种通用方法是把 .dbf 用 Python 的 pandas 读取并重写编码import pandas as pd # 按 GBK 读取再另存为 UTF-8 的 CSV df pd.read_csv(某自治区路网.dbf, encodinggbk, dtypestr) df.to_csv(某自治区路网_属性表.csv, indexFalse, encodingutf-8-sig)更彻底的做法是写一个脚本批量修改 .dbf 并重新生成 .cpg 文件。如果你多次处理来自不同单位的数据建议做一个统一入口进来先用 ogrinfo 检查编码再决定读入方式。5.2 数据打开后飞到地图外坐标系定义错误导致偏移现象叠加底图后路网出现在非洲海岸或太平洋上或者偏了好几公里。原因.prj 文件缺失或写错。最典型的场景是数据本来就是 CGCS2000 坐标但系统默认加载成 WGS84 经纬度导致显示在完全错误的位置。另一种情况是数据是投影坐标米制单位但被当作经纬度读取——数值不能超过 180当然直接定位错误。解决加载数据后先看 Extent。如果范围值在几十万分米级别说明是投影坐标被当成经纬度读了。给图层手动指定正确的坐标系再执行重投影。还有一个排查习惯同时加载一份已知正确位置的点数据检查同一地物在两个图层中的偏移量是否一致。偏移量一致且数值很大基本就是坐标系定义问题而不是数据本身错了。5.3 网络分析结果离谱拓扑错误没修完现象跑 OD 成本矩阵或者最短路径路线从地图上凭空横穿大片区域无视道路边界。原因这一般发生在数据清洗阶段没做相交打断。两条路在空间上交叉但属性上没有交点网络分析算法会认为它们无法互通路径只能绕路或者直接跳跃到最近节点。还有一种情况是节点捕捉失败——两条线的端点相距不到 1 米在可视化时看似相连但分析时节点不重合。解决回到第 4 章的打断流程先把所有相交线打断再检查随后产生的悬挂点。最后一个实用技巧把容差设为 1 米再做一次「线转点 空间连接」把 1 米内的端点吸附到同一点。这一步虽然会损失一点点几何精度但换来的是网络分析结果的可靠性。5.4 边界区域的路突然断了裁剪或合并时丢几何现象某自治区与相邻区域交界处的道路在半途突然中断没有延伸到边界。原因数据是按行政区域分幅裁剪的边界处本应与相邻区域数据拼接。如果只拿到了其中一块路网自然在边界处截断。这不是数据错误而是覆盖范围问题——没有邻区数据谁都补不上这个缺口。解决确认数据来源和覆盖范围。如果只是做某自治区内部的分析边界上的断头路可以接受但要意识到这会影响边缘区域的可达性计算结果。如果分析目标是跨边界的路网联通就必须拼接邻区数据或者从开放来源补齐边界区域路网。这类错误冒充数据质量问题去修是修不出来的。5.5 shp 文件超过 2GB 跑不动现象QGIS 打开数据后内存占用飙升经常崩溃。检查发现文件在 1.8GB 附近。原因shp 格式本身有 2GB 的硬上限但接近上限时读取效率已经急剧下降纯几何存储效率不高。解决转成 GeoPackage 格式.gpkg它是基于 SQLite 的开放格式没有 2GB 限制读取速度更快。转换命令ogr2ogr -f GPKG 某自治区路网.gpkg 某自治区路网.shp如果只是为了分析还可以把数据导入 PostGIS用空间索引加速查询。这个转换在数据量超过 1GB 时基本是必须的操作别等到崩溃再后悔。6. 进阶基于清洗后路网的分析与可视化实操数据修干净之后我通常用三种方式验证效果并产出实际分析结果。第一步是出图检查把路网按道路等级分层配色城市道路用深色粗线乡道和高速用不同颜色区分一眼就能看出断头路和乱线是否清干净。第二步是跑一个最简单的最短路径测试从 A 城到 B 旗看路线是否合理、里程是否符合常识。第三步才是正式分析。6.1 按道路等级做路网密度专题图用 QGIS 的「热力图」插件或者 Python 生成密度网格能快速看出路网的分布特征。密度网格的做法是把研究区域划分成 1km × 1km 的格子统计每个格子内道路总长度import geopandas as gpd import numpy as np from shapely.geometry import box gdf gpd.read_file(某自治区路网_cgcs2000.shp) # 获取数据范围 minx, miny, maxx, maxy gdf.total_bounds # 生成 1km 网格 cell 1000 # 单位与投影坐标一致这里是米 cols int(np.ceil((maxx - minx) / cell)) rows int(np.ceil((maxy - miny) / cell)) grid_cells [] for i in range(cols): for j in range(rows): grid_cells.append(box(minx i*cell, miny j*cell, minx (i1)*cell, miny (j1)*cell)) grid gpd.GeoDataFrame({geometry: grid_cells}, crsgdf.crs) # 空间连接统计每个网格内的道路长度 # 更高效的方式是先裁剪再按网格分组聚合 intersected gpd.overlay(gdf, grid, howintersection) intersected[len] intersected.geometry.length density intersected.groupby(grid_id)[len].sum().reset_index() # 结果转成面图层字段 len 即该网格内道路总长度单位米网格尺寸的选择有讲究。城市区域用 500m 网格能看到街区尺度差异乡村区域用 5km 网格更合适。如果你做的是全自治区尺度的对比1km 网格是折中方案。生成的密度图层可以做分级着色直观展示路网的空间分布不均——这东西放在分析报告里比任何文字都好用。6.2 计算任意两点的实际路网距离替代直线距离的可靠方案直线距离欧氏距离在某些场景下严重失真山区尤为明显。有了拓扑正确的路网就可以用网络分析算实际交通距离import networkx as nx # 构建图每条线转为边长度作为权重 G nx.Graph() for _, row in gdf.iterrows(): line row.geometry length line.length start line.coords[0] end line.coords[-1] G.add_edge(start, end, weightlength) # 查找最近节点 from shapely.geometry import Point orig Point(112.3, 41.5) # 注意这是经纬度要先投影 orig_proj transformer.transform(orig.x, orig.y) # 找到离起点最近的节点 nearest_node min(G.nodes, keylambda n: ((n[0]-orig_proj.x)**2 (n[1]-orig_proj.y)**2)**0.5) # 同样找到终点最近节点然后算最短路径 path nx.shortest_path(G, nearest_node, target_node, weightweight) distance nx.shortest_path_length(G, nearest_node, target_node, weightweight)这段代码把路网转成了 NetworkX 图边权重是实际长度。有一个细节G.add_edge时用的是每个 LineString 的起终点坐标如果一条路有多个中间点弯道路网会被简化成直连线段长度可能偏短。更精确的做法是用中间点建节点、把相邻中间点连成边或者直接在add_edge时把length设为整条线总长两个端点的度数小于 2 也能凑合。实际项目中我一般选用后者数据量大时效率更高。6.3 我的收尾习惯出一张质检图留一份问题清单每次做完路网清洗最后一步不是跑分析而是存一个「质检记录」。我用 QGIS 的 Atlas 功能按旗县分页导出路网图叠加原始数据的背景透明度人工抽查几个疑难路口同时在项目文件夹里留一份 txt记录这次处理用了哪些参数坐标系转换用的中央经线、简化容差 3 米、悬挂点容差 1 米、编码是 UTF-8。为什么要留这个因为某自治区路网这种数据大概率不是一次性的下个月新数据进来你还要用同样的参数处理不然两次结果对不上。这个过程我前前后后跑过好几轮每次踩的坑都集中在坐标系和拓扑这两件事上。先把这两件事做扎实后面的分析怎么跑都稳。希望帮到你。本文还有配套的精品资源点击获取
