sf数据框骑行路线转路段出行量梯度着色地图实现问题

我太懂你这个需求了——手里的骑行数据是按站点间整条路线统计的，但要做街道级的流量热力图，就得把这些跨街道的路线拆成对应路段，再把流量合理分配累加对吧？之前我处理过类似的OSM街道和骑行路径匹配的问题，给你分享几个落地的方法：

第一步：准备细分的OSM街道网络数据 #

首先得确保你有拆分成单个路段的OSM街道数据（不能是合并的大路线），每条街道段都是独立的LINESTRING。你可以用osmextract包直接获取目标区域的街道：

library(osmextract)
library(sf)

# 获取目标城市的OSM街道，过滤常用道路类型
streets <- oe_get(
  place = "你的目标城市/区域",
  layer = "lines",
  filter = "highway in ('motorway', 'trunk', 'primary', 'secondary', 'tertiary', 'residential')"
)

# 关键：把街道数据的坐标系和你的骑行路线数据对齐
streets <- st_transform(streets, st_crs(你的骑行sf数据))

第二步：把骑行路线的流量分配到街道段 #

你之前用st_intersection()和st_difference()的思路是对的，但核心是要处理重叠路段的流量拆分与累加，这里给你两种可靠的方法：

方法1：基于相交长度的比例分配（适合大多数场景） #

这个方法会计算每条骑行路线和街道段的重叠长度，按比例把骑行流量分配给对应街道，完美解决你提到的10次、15次路线重叠的问题：

# 假设你的骑行数据叫bike_routes，包含geometry字段和count字段（出行次数）
# 先计算每条骑行路线的总长度
bike_routes$route_total_length <- st_length(bike_routes)

# 计算骑行路线和所有街道段的交集，得到重叠线段
route_street_intersect <- st_intersection(bike_routes, streets)

# 按重叠长度占原路线的比例，分配流量
route_street_intersect$segment_flow <- route_street_intersect$count * 
  (st_length(route_street_intersect) / route_street_intersect$route_total_length)

# 按街道段的唯一标识（比如osm_id）聚合，累加所有分配过来的流量
street_flow <- aggregate(segment_flow ~ osm_id, data = route_street_intersect, sum)

# 把流量数据合并回街道数据，空值设为0（表示没有骑行流量）
streets_with_flow <- merge(streets, street_flow, by = "osm_id", all.x = TRUE)
streets_with_flow$segment_flow[is.na(streets_with_flow$segment_flow)] <- 0

举个例子：如果10次的路线和某街道段重叠了20%，15次的路线和同一段重叠了30%，那这个街道段的总流量就是10*0.2 + 15*0.3 = 6.5，完全符合实际流量逻辑。

方法2：用街道网络拆分骑行路线（适合复杂路径） #

如果你的骑行路线是跨多个弯曲街道的，用st_split()把骑行路线拆成和街道段完全匹配的子线段，再直接分配流量：

# 把所有街道段合并成一个多线串，作为拆分的“切割器”
street_union <- st_union(streets)

# 拆分每条骑行路线，得到和街道段对齐的子线段
split_routes <- st_split(bike_routes$geometry, street_union)
split_routes <- st_collection_extract(split_routes, "LINESTRING")

# 把拆分后的子线段和原路线的流量关联起来
split_routes_df <- st_sf(
  geometry = split_routes,
  count = rep(bike_routes$count, sapply(st_split(bike_routes$geometry, street_union), length))
)

# 找到每个子线段对应的街道段osm_id
split_routes_df$osm_id <- streets$osm_id[st_nearest_feature(split_routes_df, streets)]

# 聚合街道段的总流量
street_flow <- aggregate(count ~ osm_id, data = split_routes_df, sum)
streets_with_flow <- merge(streets, street_flow, by = "osm_id", all.x = TRUE)
streets_with_flow$count[is.na(streets_with_flow$count)] <- 0

第三步：绘制梯度颜色的街道流量图 #

处理好街道级流量数据后，用ggplot2或者tmap就能轻松画出热力图：

library(ggplot2)

ggplot(streets_with_flow) +
  geom_sf(aes(color = segment_flow), size = 1.2) +
  # 用viridis色系，视觉效果友好
  scale_color_viridis_c(option = "plasma", name = "骑行出行次数") +
  theme_minimal() +
  labs(title = "城市街道骑行流量热力图")

内容的提问来源于stack exchange，提问作者maRmat