如何统计特定县内Google Maps标记的公园数量？

核心问题拆解 #

要完成这个统计，关键解决两个问题：获取目标县的精准边界范围，以及在该范围内准确搜索并过滤公园地点。

方案一：全Google API实现（无需外部数据源） #

步骤1：定位目标县的地理信息 #

调用Google Geocoding API，传入县的完整名称（比如address=XX县, XX省, 中国），或者用components参数精准限定（components=administrative_area_level_2:XX县|country:CN），获取以下关键信息：

• 县的中心坐标（geometry.location）
• 县的矩形视口范围（geometry.viewport，包含西南、东北两个坐标）
• 县的行政标识（address_components中administrative_area_level_2的名称，用于后续验证）

步骤2：搜索县范围内的公园 #

调用Google Places API的Nearby Search接口，参数设置：

• location：县的中心坐标
• bounds：传入步骤1获取的viewport西南、东北坐标，限定搜索范围为县的矩形区域
• type=park：指定搜索地点类型为公园
• 处理分页：Nearby Search每次最多返回20条结果，通过next_page_token循环调用，获取所有符合条件的公园结果，记录每个公园的place_id（用于去重）和坐标。

步骤3：过滤出县内的公园 #

由于矩形视口可能包含县外区域，需要对每个搜索到的公园做精准验证：
调用Google Reverse Geocoding API，传入公园的坐标，检查返回的address_components中是否包含目标县的administrative_area_level_2信息。如果匹配，则计入统计。

成本优化提示 #

• 优先用bounds而非radius参数，缩小搜索范围，减少返回结果数量，降低后续Reverse Geocoding的调用次数
• 利用place_id去重，避免重复调用API验证同一个公园

方案二：结合开源行政边界数据（降低API成本） #

如果不想过多依赖Reverse Geocoding的API调用，可以用开源行政边界数据替代：

步骤1：获取县的边界多边形 #

从开源数据源下载目标县的shapefile行政边界数据，通过地理处理工具（比如Python的geopandas库）提取出边界的经纬度多边形坐标集合。

步骤2：搜索公园并做空间判断 #

• 同方案一的步骤2，用Places Nearby Search获取矩形范围内的所有公园
• 对每个公园的坐标，用点-in-polygon算法（比如shapely库的within方法）判断是否在县的边界多边形内，符合条件的计入统计

注意事项 #

• Google Places API有调用频次和配额限制，提前估算所需调用量，避免超出免费额度或产生意外费用
• 部分偏远地区的公园可能未被Google Maps收录，统计结果会存在一定误差
• 确保Geocoding时的县名准确，避免定位到同名的其他行政区域

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