如何基于OSMNX获取的数据构建邻接矩阵与度矩阵？

我来帮你梳理具体的实现思路和代码，结合你给出的路网数据获取代码，分步骤来：

一、前置准备 #

先运行你的代码拿到路网数据，同时导入需要的依赖库：

import osmnx as ox
import numpy as np
import networkx as nx

# 获取指定区域的驾驶路网
G = ox.graph_from_bbox(37.79, 37.78, -122.41, -122.43, network_type='drive')
nodes, edges = ox.graph_to_gdfs(G)

二、构建邻接矩阵 #

邻接矩阵用于表示节点间的连接关系，针对驾驶路网（有向图），我们通常会构建有向二进制邻接矩阵（仅标记是否相连）或加权邻接矩阵（比如用道路长度作为权重）。

方法1：基于GeoDataFrame手动构建 #

OSM的节点ID（osmid）是离散值，第一步需要把它映射为连续的整数索引，避免矩阵出现大量空行空列：

# 获取所有节点的osmid列表
node_osm_ids = nodes.index.values
# 构建映射字典：osmid → 矩阵索引
osmid_to_idx = {osmid: idx for idx, osmid in enumerate(node_osm_ids)}
num_nodes = len(node_osm_ids)

构建有向二进制邻接矩阵

# 初始化全零矩阵
adj_matrix = np.zeros((num_nodes, num_nodes), dtype=int)
# 遍历每条边填充矩阵
for _, edge in edges.iterrows():
    u_idx = osmid_to_idx[edge['u']]
    v_idx = osmid_to_idx[edge['v']]
    # 标记起点u到终点v存在连接
    adj_matrix[u_idx][v_idx] = 1

构建加权邻接矩阵（以道路长度为权重）

adj_matrix_weighted = np.zeros((num_nodes, num_nodes), dtype=np.float64)
for _, edge in edges.iterrows():
    u_idx = osmid_to_idx[edge['u']]
    v_idx = osmid_to_idx[edge['v']]
    # 用道路长度作为权重值
    adj_matrix_weighted[u_idx][v_idx] = edge['length']

方法2：直接用NetworkX内置方法（更高效） #

OSMNX返回的G本身就是NetworkX的有向图对象，直接调用内置方法可以快速生成矩阵：

# 生成二进制邻接矩阵（nodelist保证节点顺序和我们的映射一致）
adj_matrix_nx = nx.to_numpy_array(G, nodelist=node_osm_ids, dtype=int)
# 生成加权邻接矩阵（指定用length作为权重）
adj_matrix_weighted_nx = nx.to_numpy_array(G, nodelist=node_osm_ids, weight='length')

三、构建度矩阵 #

度矩阵是对角矩阵，对角线元素对应节点的度：有向图需区分入度（指向该节点的边数）和出度（从该节点出发的边数），无向图则只需单一的度值。

方法1：从邻接矩阵推导 #

# 有向图：出度矩阵（行求和）
out_degree = np.sum(adj_matrix, axis=1)
out_degree_matrix = np.diag(out_degree)

# 有向图：入度矩阵（列求和）
in_degree = np.sum(adj_matrix, axis=0)
in_degree_matrix = np.diag(in_degree)

# 无向图：先转无向图再计算度
G_undirected = G.to_undirected()
adj_matrix_undir = nx.to_numpy_array(G_undirected, nodelist=node_osm_ids)
undir_degree = np.sum(adj_matrix_undir, axis=1)
undir_degree_matrix = np.diag(undir_degree)

方法2：直接用NetworkX内置方法 #

# 出度矩阵
out_degree_list = [d for _, d in nx.out_degree(G, nodelist=node_osm_ids)]
out_degree_matrix_nx = np.diag(out_degree_list)

# 入度矩阵
in_degree_list = [d for _, d in nx.in_degree(G, nodelist=node_osm_ids)]
in_degree_matrix_nx = np.diag(in_degree_list)

# 无向图度矩阵
undir_degree_list = [d for _, d in nx.degree(G_undirected, nodelist=node_osm_ids)]
undir_degree_matrix_nx = np.diag(undir_degree_list)

小提示 #

• 记得保留osmid_to_idx映射字典，后续可以把矩阵索引转回osmid，匹配nodes中的经纬度等空间属性。
• 大规模路网建议用NetworkX内置方法，底层做了性能优化，运行效率更高。

内容的提问来源于stack exchange，提问作者Kyv