使用future_mapply并行调用r5r的detailed_itineraries报错及提速疑问

我正在测试默认支持并行计算的r5r包，因需快速处理大量起讫点（OD）数据，尝试使用R的future.apply工具调用detailed_itineraries函数以进一步提速。编写代码如下：

library(r5r)
library(sf)
library(tigris)
library(future.apply)
library(rJava)
library(tidyverse)

r5r_core <- setup_r5(data_path = path, verbose = FALSE)

tracts2 <- tracts(state = "PA", county = "Philadelphia", year=2019)%>%
  select(GEOID)%>%
  st_centroid()%>%
  st_transform("EPSG:4326")%>%
  arrange(GEOID)%>%
  rename(id = GEOID)%>%
  mutate(lon = unlist(map(geometry,1)),
         lat = unlist(map(geometry,2)))%>%
  st_set_geometry(NULL)%>%
  as.data.frame()

mode <- c("WALK", "TRANSIT")
max_walk_time <- 30 # minutes
departure_datetime <- as.POSIXct("14-06-2023 8:30:00",
                                 format = "%d-%m-%Y %H:%M:%S")

plan(multicore)

fn <- function(x, y){
  detailed_itineraries(r5r_core = r5r_core,
                       origins = x,
                       destinations = y,
                       mode = mode,
                       departure_datetime = departure_datetime,
                       max_walk_time = max_walk_time,
                       walk_speed = 4.5,
                       max_trip_duration = 60,
                       shortest_path = TRUE,
                       all_to_all = FALSE,
                       drop_geometry = TRUE,
                       progress= TRUE)
}

future_mapply(fn, tracts2, tracts2)

运行后出现错误：

Error in assign_points_input(origins, "origins") : 
  'origins' must be either a 'data.frame' or a 'POINT sf'.

想请教该错误的原因，同时确认这种并行方式是否真能提升分析速度。

错误原因分析 #

future_mapply的参数传递逻辑导致了这个错误：

• 当传入data.frame类型的tracts2作为参数时，future_mapply会按列拆分输入，而非按行。也就是说fn函数里的x和y拿到的是tracts2的单个列（比如id列、lon列），而不是包含id、lon、lat的完整行数据框。
• detailed_itineraries要求origins和destinations必须是包含id、lon、lat字段的data.frame或POINT sf，单个列不符合要求，因此触发类型检查错误。

修复方案 #

调整并行逻辑，确保每个子进程拿到完整的单行数据框作为起讫点：

1. 先将tracts2按行拆分成列表，每个元素是一行数据框：

tracts_list <- split(tracts2, seq(nrow(tracts2)))

2. 使用future_map2替代future_mapply，传递拆分后的列表：

plan(multicore) # Windows系统需改用plan(multisession)

fn <- function(origin_row, dest_row){
  detailed_itineraries(r5r_core = r5r_core,
                       origins = origin_row,
                       destinations = dest_row,
                       mode = mode,
                       departure_datetime = departure_datetime,
                       max_walk_time = max_walk_time,
                       walk_speed = 4.5,
                       max_trip_duration = 60,
                       shortest_path = TRUE,
                       all_to_all = FALSE,
                       drop_geometry = TRUE,
                       progress= FALSE) # 关闭子进程进度条，避免输出混乱
}

results <- future_map2(tracts_list, tracts_list, fn)

3. 额外注意：r5r_core是基于rJava的对象，在multicore（fork模式）下可能存在跨进程复制问题，建议Linux/macOS用户保持multicore，Windows用户必须使用multisession，或者在每个子函数内重新初始化r5r_core以避免对象传递问题。

并行方式的提速效果说明 #

这种并行方式确实能提升大OD量的处理速度，结合r5r本身的并行机制说明如下：

• r5r的setup_r5默认会设置n_threads为系统核心数，内部计算（如路径搜索）已使用多线程，但这种内部并行是针对单个请求的，当处理大量独立OD对时，单进程的r5r无法充分利用所有CPU核心。
• 通过future.apply将OD对拆分成多个独立任务，分配到不同进程并行处理，相当于同时运行多个r5r实例，能充分利用空闲CPU核心，在OD数量足够多、CPU核心充足的场景下，能显著缩短总处理时间。
• 注意：如果OD对数量远小于CPU核心数，并行的提速效果会不明显，甚至因为进程切换开销导致变慢。

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