Python Osmnx 如何借助缓存或本地路网存储降低计算耗时
离线本地复用路网(最核心的提速方案)
每次调用ox.graph_from_place拉取法国这类大范围数据,本质是反复向公共接口发送全量路网请求,不仅耗时长还经常触发接口超时限制。最能从根源上提速的方案,就是第一次下载完成后直接把路网结构存在本地,后续使用完全不需要联网请求:
第一次下载时执行存储逻辑:
# 首次下载目标区域路网,选择和自身出行匹配的路网类型 graph = ox.graph_from_place("France", network_type="drive") # 存为Osmnx原生GraphML格式,加载时可零损耗还原完整图结构 ox.save_graphml(graph, filepath="france_drive_network.graphml") # 如果需要在其他GIS工具中打开,可同步导出为GeoPackage格式 ox.save_graph_geopackage(graph, filepath="france_drive_network.gpkg")
后续使用直接加载本地文件即可,加载速度是在线拉取的几十甚至上百倍:
# 直接读取本地存储的路网文件,无网络传输开销 graph = ox.load_graphml("france_drive_network.graphml")
按需缩小请求范围,避免拉取全量无关路网
你本身的需求是可视化自己的行程路线,完全没必要加载法国全境的路网。可以直接从自己的行程停靠点DataFrame中提取坐标的最小外接范围,仅拉取覆盖该范围的路网,请求的数据量能缩减90%以上:
# 假设你的行程点存储在trip_points中,包含lat/lon坐标列 min_lon, max_lon = trip_points["lon"].min(), trip_points["lon"].max() min_lat, max_lat = trip_points["lat"].min(), trip_points["lat"].max() # 向外扩0.01度做小范围缓冲,避免路线贴边被裁剪 buffer = 0.01 bbox = ( max_lat + buffer, min_lat - buffer, max_lon + buffer, min_lon - buffer ) # 直接按边界框拉取路网,跳过地名匹配、全区域遍历的冗余环节 graph = ox.graph_from_bbox( bbox=bbox, network_type="drive", retain_all=False, # 自动剔除无连通性的孤立小路,减小图整体体积 clean_periphery=True # 清理边界范围外的冗余路段 )
渲染阶段的配套提速技巧
就算路网拉取完成,包含几十万条边的大尺度路网,在Matplotlib中逐行渲染也会非常卡顿,可通过几个小调整明显加快渲染速度:
- 对下载完成的图做简化处理:调用
ox.simplify_graph(graph),把连续无转弯路段的冗余中间节点删掉,能减少30%~50%的边数量,完全不影响视觉展示效果,渲染速度会有明显提升。 - 不要手动调用
edges.plot()逐根渲染边,改用Osmnx自带的ox.plot_graph函数,底层做了专门的渲染优化,速度比手动调用GeoDataFrame绘图快很多。如果不需要展示路网节点,直接把node_size设为0,能节省近一半的渲染时间:
fig, ax = ox.plot_graph( graph, figsize=(15, 15), node_size=0, edge_linewidth=1, edge_color="#BC8F8F", show=False, close=False ) # 直接在同一个ax图层上叠加你的行程点、轨迹线即可 trip_points.plot(ax=ax, color="red", markersize=5)
- 按需选择匹配的
network_type:比如可视化骑行行程就用network_type="bike",不要默认拉取全类型的道路,能过滤掉无关的高速、步道等冗余数据,无论是拉取还是渲染的速度都会进一步提升。
内容的提问来源于stack exchange,提问作者CharlesAntoine
相关产品推荐
相关产品推荐

