1. 高德地图路网数据获取与预处理高德地图是国内最常用的地图服务之一但它的坐标系统与通用的WGS84标准有所不同。很多刚接触GIS数据处理的朋友都会遇到这样的困惑为什么从高德获取的坐标在QGIS里显示的位置不对这其实就是坐标系统转换的问题。我最近处理一个城市交通研究项目时就遇到了这个典型场景。项目需要分析南京市某区域的路网特征数据来源是高德地图API。获取到的原始数据格式是这样的宁合高速滁河大桥附近118.414131,32.0850105;118.416763,32.0844765这串数据包含了路名、位置描述和两个端点的经纬度坐标。但直接把这些坐标导入QGIS会出现位置偏移因为高德使用的是GCJ-02坐标系俗称火星坐标而QGIS默认使用WGS84坐标系。处理这类数据的第一步是整理成结构化格式。我通常用Python的pandas库来处理import pandas as pd # 读取原始数据 df pd.read_csv(road_data_raw.csv, sep, headerNone) df.columns [road_name, location, coordinates] # 拆分坐标点 df[[start_point, end_point]] df[coordinates].str.split(;, expandTrue)2. 坐标转换从GCJ-02到WGS84坐标转换是数据处理的关键环节。高德的GCJ-02坐标系与WGS84之间存在非线性偏移这个偏移量不是固定的所以不能简单地进行加减运算。经过多次项目实践我发现以下几种方法效果比较好方法一使用GeoHey插件这是最简便的方案。安装好QGIS后在插件管理中搜索GeoHey并安装。导入数据时选择图层→创建图层→分隔文本指定CSV文件路径几何图形定义选择WKT在坐标转换选项中选择GCJ-02转WGS84方法二Python预处理如果需要批量处理大量数据建议先用Python转换from coord_convert import transform def convert_coord(row): start_lng, start_lat row[start_point].split(,) end_lng, end_lat row[end_point].split(,) # GCJ-02转WGS84 start_wgs transform.gcj2wgs(float(start_lng), float(start_lat)) end_wgs transform.gcj2wgs(float(end_lng), float(end_lat)) return fLINESTRING({start_wgs[0]} {start_wgs[1]}, {end_wgs[0]} {end_wgs[1]}) df[wkt] df.apply(convert_coord, axis1)转换后的WKT格式数据示例LINESTRING(118.411231 32.0825105, 118.413863 32.0819765)3. QGIS中的路网可视化与分析数据导入QGIS后就可以开始空间分析了。我常用的工作流程是创建基础地图添加OpenStreetMap底图作为参考设置项目坐标系为EPSG:4326WGS84样式定制右键点击路网图层选择属性在符号化选项卡中设置分级显示我习惯用线宽表示道路等级颜色表示方向拓扑检查使用拓扑检查器插件查找断裂路段矢量→几何工具→检查有效性排查异常几何图形最近一个项目中我发现高德数据在某些立交桥区域会出现线段交叉但实际未连通的情况。这时就需要# 使用PyQGIS进行拓扑校验 layer iface.activeLayer() features layer.getFeatures() for feat in features: geom feat.geometry() if not geom.isGeosValid(): print(f路段ID {feat.id()} 存在几何错误)4. 路网属性计算与空间分析路网分析的核心指标之一是路段长度。在QGIS中有多种计算方式图形界面操作打开属性表切换编辑模式字段计算器新建length_km字段输入表达式$length / 1000PyQGIS脚本处理from qgis.core import QgsDistanceArea da QgsDistanceArea() da.setEllipsoid(WGS84) with edit(layer): for feat in layer.getFeatures(): length da.measureLength(feat.geometry()) feat[length_km] length / 1000 layer.updateFeature(feat)更深入的空间分析还包括使用服务区分析计算可达范围最近邻分析找最近的路口空间连接统计区域内的道路密度我在分析南京河西区域路网时就用缓冲区分析发现了几个公交盲区。具体操作是创建500米半径的公交站点缓冲区用差异分析找出未被覆盖的区域将结果导出为KML供规划部门参考5. 高级技巧顶点提取与路网拓扑构建提取路段顶点是很多分析的基础步骤。QGIS的提取顶点插件虽然方便但在处理大规模路网时性能较差。我推荐改用以下方法方法一工具箱处理搜索顶点→选择提取顶点工具设置输入图层和输出路径勾选保留原始属性方法二GDAL命令ogr2ogr -f GPKG vertices.gpkg roads.gpkg -dialect sqlite \ -sql SELECT fid, ST_PointN(geometry, generate_series(1, ST_NPoints(geometry))) AS geometry FROM roads构建拓扑关系时要注意处理以下几种特殊情况高架道路与地面道路的立体交叉单行线导致的单向连通临时施工导致的道路中断我常用的拓扑检查SQL查询SELECT a.id, b.id FROM roads a, roads b WHERE ST_Touches(a.geom, b.geom) AND NOT EXISTS ( SELECT 1 FROM road_connections WHERE road_from a.id AND road_to b.id )6. 实战经验分享经过多个城市路网项目的锤炼我总结出几个实用建议数据质量控制每次坐标转换后都要抽样检查建议在转换前后各选3-5个地标点人工比对建立自动化校验脚本检查范围合理性性能优化百万级路网数据建议先用PostGIS处理空间索引一定要建立复杂分析可分区块进行常见问题排查坐标偏移检查是否漏了转换步骤属性丢失确认CSV编码格式为UTF-8显示异常查看图层CRS是否设置正确最近帮同事排查过一个典型问题所有道路都堆积在一个点上。最后发现是CSV中的坐标分隔符用了中文分号。这类问题可以通过以下Python代码预防with open(data.csv) as f: line f.readline() if in line: # 中文分号 print(警告检测到可能使用中文标点作为分隔符)处理城市路网数据就像拼图游戏需要耐心和系统的方法。刚开始可能会被各种坐标系统和工具选项搞得头晕但只要掌握了核心流程剩下的就是不断积累实战经验了。建议从一个小区域开始练手比如先处理一个5平方公里范围内的所有道路熟悉了整个流程再扩展到大范围数据集。