在R中利用道路网络文件计算两点驾驶距离及数据导入优化

一、能否用该shapefile计算驾驶距离？ #

可以实现，需完成以下关键步骤：

1. 构建道路拓扑网络
   原始shapefile是道路线段集合，需转换为带通行权重的拓扑网络（包含节点、边及驾驶成本）。推荐用dodgr包（专为道路网络最短路径优化设计），或igraph配合sf包处理。需注意利用数据中的道路长度、单行道标识（若有）等字段设置边的权重。

2. 地址转地理坐标
   若输入是文字地址，需先转换为经纬度坐标。可使用tidygeocoder包调用OpenStreetMap免费地理编码服务，或借助加拿大统计局的地址匹配工具（有本地数据时优先）。

3. 坐标匹配到道路节点
   地址坐标通常不在道路节点上，需将其匹配到最近的道路节点。dodgr::dodgr_points_to_network或stplanr::find_network_nodes可完成此操作，确保起点终点处于网络拓扑内。

4. 计算最短驾驶距离
   通过dodgr_distances（基于dodgr网络）或igraph::shortest.paths计算两点间最短路径距离，结果默认单位为米，可转换为公里。

二、能否仅导入部分区域的数据？ #

完全可以，两种高效实现方法：

方法1：读取时直接过滤（推荐） #

加拿大统计局的道路shapefile通常包含区域编码字段（如PRUID表示省份，安大略省编码为35；CMAPUID表示都会区，多伦多编码为535）。读取时通过SQL查询过滤，避免加载整个大文件：

library(sf)
# 仅加载安大略省的道路数据
roads_on <- st_read("path/to/your/road_file.shp",
                    query = "SELECT * FROM road_file WHERE PRUID = '35'")

方法2：读取后裁剪到目标区域 #

若需要更精细的范围（如多伦多市），先获取目标区域的官方边界（可通过cancensus包获取加拿大统计局的边界数据），再用空间交集裁剪：

library(cancensus)
# 获取多伦多都会区边界
toronto_boundary <- get_census(dataset = "CA16", 
                               regions = list(CMA = "535"), 
                               level = "CMA", 
                               geo_format = "sf")
# 裁剪道路数据到多伦多范围
roads_toronto <- st_intersection(roads_on, toronto_boundary)

完整示例代码 #

# 加载依赖包
library(sf)
library(dodgr)
library(tidygeocoder)

# 1. 加载安大略省道路数据
roads <- st_read("path/to/road_shapefile.shp",
                 query = "SELECT * FROM road_shapefile WHERE PRUID = '35'")

# 2. 构建驾驶权重网络
net <- weight_streetnet(roads, wt_profile = "motorcar")

# 3. 地址转坐标
addresses <- tibble(
  address = c("290 Bremner Blvd, Toronto, ON M5V 3L9",
              "6301 Silver Dart Dr, Mississauga, ON L5P 1B2")
)
coords <- addresses %>%
  geocode(address = address, method = "osm") %>%
  select(lon, lat)

# 4. 匹配坐标到网络节点
points <- dodgr_points_to_network(net, coords)

# 5. 计算驾驶距离（转换为公里）
distance_km <- dodgr_distances(net, from = points$from_id, to = points$to_id) / 1000
cat("驾驶距离：", round(distance_km, 2), "公里\n")

内容的提问来源于stack exchange，提问作者stats_noob