如何用stplanr的dist_google计算行对应OD点距离而非全组合？

嘿，这个问题我刚好处理过！用stplanr的dist_google时确实会遇到笛卡尔积和API调用限制的问题，我来给你分享两个实用的解决方案：

1. 实现按行对应的OD点对计算 #

默认情况下，当dist_google接收多行的from和to数据框时，会自动计算所有点对的笛卡尔积，这显然不是你要的逐行匹配效果。我们可以用逐行迭代的方式绕开这个默认行为：

方法1：用mapply逐行调用（基础R风格） #

library(stplanr)
library(dplyr)

# 逐行提取起点、终点坐标，调用dist_google
dist_list <- mapply(
  function(fx, fy, tx, ty) {
    # 注意：Google API要求坐标是「纬度在前，经度在后」，所以要把fy、fx调换顺序
    dist_google(
      from = c(fy, fx),
      to = c(ty, tx),
      mode = "walking"
    )
  },
  fx = dline_coords$fx,
  fy = dline_coords$fy,
  tx = dline_coords$tx,
  ty = dline_coords$ty,
  SIMPLIFY = FALSE
)

# 将列表结果合并成数据框，并关联原OD的编码信息
distances <- bind_rows(dist_list) %>%
  mutate(
    code_o = dline_coords$code_o,
    code_d = dline_coords$code_d
  )

方法2：用purrr::pmap（tidyverse风格，更直观） #

如果你习惯用tidyverse工具链，pmap可以更清晰地处理多参数的逐行迭代：

library(purrr)

dist_list <- pmap(
  .l = list(
    # 构造每行的起点坐标向量（纬度, 经度）
    from = pmap(dline_coords[, c("fy", "fx")], c),
    # 构造每行的终点坐标向量（纬度, 经度）
    to = pmap(dline_coords[, c("ty", "tx")], c)
  ),
  .f = ~ dist_google(from = ..1, to = ..2, mode = "walking")
)

# 合并结果并关联原OD编码
distances <- bind_rows(dist_list) %>%
  bind_cols(dline_coords[, c("code_o", "code_d")])

2. 批量处理数千条OD数据（适配API 100条限制） #

Google Distance Matrix API每次请求最多返回100条结果，而且还有速率限制（一般是每秒最多10次请求），所以我们需要分块处理，同时添加延迟避免被限流：

第一步：定义分块和处理函数 #

# 将数据框拆分成指定大小的块，默认每块100行
chunk_data <- function(df, chunk_size = 100) {
  split(df, ceiling(seq(nrow(df))/chunk_size))
}

# 处理单个数据块的函数
process_chunk <- function(chunk_df) {
  dist_list <- pmap(
    .l = list(
      from = pmap(chunk_df[, c("fy", "fx")], c),
      to = pmap(chunk_df[, c("ty", "tx")], c)
    ),
    .f = ~ dist_google(from = ..1, to = ..2, mode = "walking")
  )
  bind_rows(dist_list) %>%
    bind_cols(chunk_df[, c("code_o", "code_d")])
}

# 带错误捕获的安全处理函数（可选，避免单个块出错中断整个流程）
process_chunk_safe <- function(chunk_df) {
  tryCatch(
    {
      process_chunk(chunk_df)
    },
    error = function(e) {
      message(paste("处理块时出错：", e))
      return(tibble())  # 返回空数据框，不影响后续合并
    }
  )
}

第二步：批量执行并合并结果 #

# 把你的OD数据拆分成每块100行的子数据框
od_chunks <- chunk_data(dline_coords, chunk_size = 100)

# 遍历所有块，处理并合并结果，每次处理后暂停2秒（可根据API限制调整）
all_distances <- map_dfr(od_chunks, function(chunk) {
  result <- process_chunk_safe(chunk)
  Sys.sleep(2)
  result
})

额外提醒 #

• 坐标顺序别搞反：Google API要求坐标格式是(纬度, 经度)，你的数据里fx是经度、fy是纬度，所以传递时一定要调换顺序，不然会得到完全错误的路线结果。
• API密钥要配置好：确保你已经通过googleway::set_key("你的API密钥")设置了密钥，或者在dist_google中通过key参数直接传递。
• 配额监控：Google API有免费配额限制，如果数据量很大，记得提前查看你的API配额使用情况，避免中途耗尽。

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