基于OSRM计算住址与投票站驾驶距离矩阵及相关问题咨询

阿华AIGC实验室

2026-5-27

嘿，我来帮你搞定这个OSRM距离矩阵计算的问题！之前用Google Maps API碰到查询限制确实头疼，OSRM作为开源免费的路由工具，完全能满足你的需求，而且没有严格的请求限制（合理使用就行）。下面我给你一步步拆解解决方案，从快速上手到本地部署，再到完整代码示例。

一、OSRM的两种使用方式

OSRM有两种常用的使用路径，你可以根据自己的需求选择：

1. 公共OSRM实例（快速上手，无需部署）

官方维护了公共的OSRM路由服务，直接发HTTP请求就能用，适合小批量或者测试场景。不过要注意，公共实例有轻度的速率限制，如果你一次性发超大请求可能会被暂时限流，但你的98×300规模完全没问题。

2. 本地部署OSRM（推荐大量请求/稳定场景）

如果需要长期稳定使用，或者数据量更大，本地部署是更好的选择。用Docker就能快速搞定，不用手动编译复杂的依赖。

二、本地部署OSRM步骤（Docker版）

这是最省心的部署方式，跟着敲命令就行：

# 1. 拉取OSRM官方Docker镜像
docker pull osrm/osrm-backend

# 2. 下载你所在地区的OSM地图数据（替换成你需要的区域，比如中国用asia/china-latest.osm.pbf）
wget https://download.geofabrik.de/north-america/us/new-york-latest.osm.pbf

# 3. 预处理地图数据（提取驾驶路由规则+压缩数据）
docker run -t -v "${PWD}:/data" osrm/osrm-backend osrm-extract -p /opt/car.lua /data/new-york-latest.osm.pbf
docker run -t -v "${PWD}:/data" osrm/osrm-backend osrm-contract /data/new-york-latest.osrm

# 4. 启动本地OSRM服务（端口5000）
docker run -t -i -p 5000:5000 -v "${PWD}:/data" osrm/osrm-backend osrm-routed --algorithm mld /data/new-york-latest.osrm

启动后，你就可以通过http://localhost:5000访问本地的OSRM服务了，请求格式和公共实例完全一致。

三、完整R代码示例（计算距离矩阵+找最近投票站）

假设你用R语言处理数据（毕竟你提到了gmapsdistance包），下面是直接能用的代码，不管用公共实例还是本地部署，只需要改一下URL就行：

library(httr)
library(dplyr)
library(tidyr)
library(jsonlite)

# 假设你的数据框结构如下（替换成你自己的数据）
# residents <- data.frame(res_id = 1:98, lon = c(...), lat = c(...))
# polling_stations <- data.frame(poll_id = 1:300, lon = c(...), lat = c(...))

# 1. 把经纬度转换成OSRM要求的字符串格式："lon1,lat1;lon2,lat2;..."
sources_str <- paste(residents$lon, residents$lat, sep = ",", collapse = ";")
destinations_str <- paste(polling_stations$lon, polling_stations$lat, sep = ",", collapse = ";")
all_points_str <- paste(sources_str, destinations_str, sep = ";")

# 2. 指定请求的来源（居民点，前98个索引）和目标（投票站，后300个索引）
sources_indices <- paste(0:(nrow(residents)-1), collapse = ";")
destinations_indices <- paste(nrow(residents):(nrow(residents)+nrow(polling_stations)-1), collapse = ";")

# 3. 构造请求URL（用公共实例就用下面的，本地部署换成http://localhost:5000）
osrm_url <- paste0(
  "https://router.project-osrm.org/table/v1/driving/",
  all_points_str,
  "?sources=", sources_indices,
  "&destinations=", destinations_indices,
  "&annotations=distance"
)

# 4. 发送请求并解析结果
response <- GET(osrm_url)
stop_for_status(response) # 如果请求失败会报错提示
result <- fromJSON(content(response, "text"))

# 5. 转换成距离矩阵（行=居民，列=投票站，单位：米）
distance_matrix <- matrix(
  result$annotations$distance,
  nrow = nrow(residents),
  ncol = nrow(polling_stations),
  byrow = TRUE
)

# 6. 找到每个居民最近的投票站及距离
residents_with_nearest <- residents %>%
  mutate(
    nearest_poll_id = polling_stations$poll_id[apply(distance_matrix, 1, which.min)],
    shortest_distance_m = apply(distance_matrix, 1, min),
    shortest_distance_km = shortest_distance_m / 1000
  )

# 查看结果
head(residents_with_nearest)

四、关键注意事项