OSMNx技术问询：如何用本地OSM XML替代Overpass API获取街道网络

步骤1：获取覆盖所有查询区域的本地OSM文件 #

• 先统计你1000次查询的所有经纬度点，算出包含所有点的边界范围（取所有点的最大/最小经纬度）
• 导出对应区域的OSM文件，推荐用.osm.pbf格式（体积更小、加载更快），直接从OSM官方的导出工具选边界框生成即可

步骤2：用OSMnx加载本地文件构建完整道路图 #

根据你保存的文件格式，选择对应的加载方法，同时可以直接应用你的自定义道路过滤规则：

import osmnx as ox

# 加载.osm格式文件
G_full = ox.graph_from_xml(
    filepath="your_local_map.osm",
    custom_filter=road_filter,
    simplify=False,
    retain_all=True
)

# 或者加载.osm.pbf格式（需先安装osmium：pip install osmium）
G_full = ox.graph_from_pbf(
    filepath="your_local_map.osm.pbf",
    custom_filter=road_filter,
    simplify=False,
    retain_all=True
)

步骤3：在本地大图上批量执行点查询 #

原来的graph_from_point是远程拉取局部数据，现在可以直接在已加载的大图上截取目标范围的子图，重复1000次也不会有网络开销：

import geopandas as gpd

# 假设你的1000个点存在列表里：points = [(lat1, lng1), (lat2, lng2), ...]
points = [...]

# 大图只需要加载一次，后续循环处理每个点
for lat, lng in points:
    # 把经纬度点转为GeoDataFrame，方便生成缓冲范围
    point = gpd.GeoDataFrame(
        {'geometry': [ox.geometry.Point(lng, lat)]},
        crs="EPSG:4326"
    )
    # 生成20米缓冲范围（先转米单位坐标系再缓冲，再转回WGS84）
    point_proj = point.to_crs("EPSG:3857")
    buffer_area = point_proj.buffer(20).to_crs("EPSG:4326")
    # 从大图中截取缓冲范围内的子图
    G_sub = ox.graph_from_polygon(
        buffer_area.iloc[0],
        retain_all=True,
        simplify=False,
        graph=G_full
    )
    # 在这里处理你的子图业务逻辑
    # ...

核心优化点 #

• 单次加载大图：避免重复读取本地文件，所有查询基于内存中的完整图，大幅提升效率
• 优先用PBF格式：比XML格式的.osm文件加载速度快3-5倍，内存占用也更低
• 提前过滤道路：加载时就应用custom_filter，减少大图的节点和边数量，后续子图截取会更高效

内容的提问来源于stack exchange，提问作者aman