在Jupyter中运行Dijkstra算法时遇OSMnx大子集下载警告的解决方法咨询

1. 分区域分批下载后合并 #

法国全境路网数据量极大，直接一次性下载容易超时或内存溢出。可以将法国拆分为多个子区域（比如大区、省），逐个下载后合并为完整路网：

import osmnx as ox

# 法国主要大区列表（可根据需要细化到省）
regions = [
    "Île-de-France", "Auvergne-Rhône-Alpes", "Nouvelle-Aquitaine",
    "Occitanie", "Hauts-de-France", "Grand Est", "Bretagne",
    "Pays de la Loire", "Normandie", "Provence-Alpes-Côte d'Azur"
]

# 批量下载并合并路网
graphs = []
for region in regions:
    print(f"下载{region}路网...")
    g = ox.graph_from_place(region, network_type='drive')
    graphs.append(g)

# 合并所有子图
G_france = ox.utils_graph.combine_graphs(graphs)
G_france_simplified = ox.simplify_graph(G_france)
print("合并后的路网已简化完成")

2. 过滤道路类型减少数据量 #

如果不需要包含所有次级道路，可以通过自定义过滤器只保留主干道，大幅降低数据规模：

import osmnx as ox

# 只保留高速、干线、主次干道
custom_filter = '["highway"~"motorway|trunk|primary|secondary"]'
G = ox.graph_from_place("France", network_type='drive', custom_filter=custom_filter)
G_simplified = ox.simplify_graph(G)

3. 预下载OSM PBF文件本地导入 #

直接从OpenStreetMap官方下载法国全境的OSM PBF文件（体积约数GB），再用OSMnx本地导入，比在线下载更稳定：

import osmnx as ox

# 假设已下载法国最新OSM PBF文件到本地
G = ox.graph_from_xml("france-latest.osm.pbf", network_type='drive')
G_simplified = ox.simplify_graph(G)

4. 优化运行环境 #

• 增加内存：法国完整路网需要至少16GB以上内存，内存不足会导致频繁磁盘交换，拖慢处理速度
• 启用多进程：开启OSMnx的多进程支持加速处理：

  ox.settings.use_multiprocessing = True
  

• 本地运行：避免使用资源受限的云端Jupyter环境，改用本地高性能机器运行

内容的提问来源于stack exchange，提问作者user30221067