如何用OSMNX/Momepy生成带街道连续性的Dual NetworkX图？

传统对偶图会把每条独立路段转成节点，但我们需要把同一条街道的所有路段合并成单个节点，核心思路是先给同街道的路段打上统一标识，再基于这个标识合并对偶图节点。以下是分别用OSMNX和Momepy实现的具体步骤：

用OSMNX实现 #

步骤1：获取街道网络并标记同街道路段 #

先拉取目标区域的街道网络，提取路段数据后，给同属一条街道的路段分配统一的street_id（处理无名道路和重名情况）：

import osmnx as ox
import networkx as nx
import geopandas as gpd
import pandas as pd

# 拉取目标区域的驾车网络（以曼哈顿为例）
G = ox.graph_from_place("Manhattan, New York, USA", network_type="drive")

# 把网络转成GeoDataFrame，只保留路段数据
edges = ox.graph_to_gdfs(G, nodes=False, edges=True)

# 处理无名道路：给每条无名路分配唯一ID
edges["street_id"] = edges["name"].fillna(f"unnamed_{edges.index}")
# 优化重名：结合道路编号（ref）生成唯一标识，避免重名街道被错误合并
edges["street_id"] = edges.apply(
    lambda x: f"{x['name']}_{x['ref']}" if pd.notna(x["ref"]) else x["street_id"],
    axis=1
)

步骤2：构建初始对偶图 #

先把每个路段作为对偶图的节点，再根据原始网络的交叉口（节点），给共享同一交叉口的路段节点添加连接边：

# 初始化有向对偶图（如果不需要方向，改用nx.Graph）
dual_G = nx.DiGraph()

# 给对偶图添加节点：每个路段对应一个节点，存储street_id和几何信息
for idx, row in edges.iterrows():
    dual_G.add_node(idx, street_id=row["street_id"], geometry=row["geometry"])

# 记录每个原始交叉口节点连接的所有路段
node_edges = {}
for u, v, key in G.edges(keys=True):
    node_edges.setdefault(u, []).append((u, v, key))
    node_edges.setdefault(v, []).append((u, v, key))

# 遍历每个交叉口，给共享该交叉口的路段节点添加边
for node, edge_list in node_edges.items():
    if len(edge_list) >= 2:
        # 两两连接该交叉口下的所有路段节点
        for i in range(len(edge_list)):
            for j in range(i + 1, len(edge_list)):
                edge1_key = edge_list[i][2]
                edge2_key = edge_list[j][2]
                dual_G.add_edge(edge1_key, edge2_key, intersection_node=node)

步骤3：合并同街道的节点 #

用NetworkX的contracted_nodes方法，把同一street_id下的所有节点合并成一个，同时更新合并后的街道几何：

# 按street_id分组，获取每组对应的路段节点列表
street_groups = edges.groupby("street_id").index.tolist()

# 遍历每组，合并同街道节点
for street_id, node_list in street_groups.items():
    if len(node_list) > 1:
        # 选第一个节点作为主节点，合并其他节点
        main_node = node_list[0]
        for node in node_list[1:]:
            dual_G = nx.contracted_nodes(dual_G, main_node, node, self_loops=False)
            # 合并主节点和被合并节点的几何，得到整条街道的连续几何
            merged_geom = dual_G.nodes[main_node]["geometry"].union(dual_G.nodes[node]["geometry"])
            dual_G.nodes[main_node]["geometry"] = merged_geom

用Momepy实现（更适配城市形态分析） #

Momepy专门针对城市网络设计，处理街道合并和对偶图更高效：

步骤1：加载并合并同街道路段 #

先获取街道数据，基于name和ref合并同一条街道的所有路段：

import momepy
import geopandas as gpd
import networkx as nx
import pandas as pd

# 从OSM拉取目标区域的驾车网络
gdf = momepy.download_osm("Manhattan, New York, USA", network_type="driving")

# 生成唯一street_id，处理无名和重名情况
gdf["street_id"] = gdf.apply(
    lambda x: f"{x['name']}_{x['ref']}" if pd.notna(x["ref"]) else x["name"],
    axis=1
)
gdf["street_id"] = gdf["street_id"].fillna(f"unnamed_{gdf.index}")

# 按street_id合并路段，得到整条街道的连续几何
merged_streets = gdf.dissolve(
    by="street_id",
    aggfunc={"geometry": "union", "highway": "first"}
)

步骤2：构建基于合并后街道的对偶图 #

直接以合并后的整条街道为节点，根据街道间的交叉口添加连接边：

# 初始化无向对偶图（需要方向则用nx.DiGraph）
dual_G = nx.Graph()

# 添加节点：每个合并后的街道对应一个节点
for idx, row in merged_streets.iterrows():
    dual_G.add_node(idx, street_id=idx, geometry=row["geometry"], highway=row["highway"])

# 遍历所有街道对，检查是否有交叉口，有则添加边
for i in range(len(merged_streets)):
    street1 = merged_streets.iloc[i]
    for j in range(i + 1, len(merged_streets)):
        street2 = merged_streets.iloc[j]
        # 检查两条街道是否相交，且交点是单个点（即交叉口）
        if street1["geometry"].intersects(street2["geometry"]):
            intersection = street1["geometry"].intersection(street2["geometry"])
            if intersection.type == "Point":
                dual_G.add_edge(street1.name, street2.name, intersection=intersection)

关键注意事项 #

• 重名街道处理：仅用name容易出错，结合ref（道路编号）、highway类型或原始osmid集合生成street_id更准确。
• 无名道路：必须给每条无名道路分配唯一ID，避免不同的无名路被错误合并。
• 方向控制：如果需要保留单向通行信息，使用有向图（nx.DiGraph）；无向图适合分析街道连通性。
• 几何准确性：合并后的街道几何用union确保是连续的线串，后续可根据需求简化或平滑。

内容的提问来源于stack exchange，提问作者Frôis