如何用Python/Shapely将多条近平行线段合并为密度加权线段

我有一组来自多段GPS轨迹的线段数据集——用户沿同一路线行驶但路径存在差异（类似数千辆搭载带噪声GPS的车辆行驶轨迹）。已将轨迹按1/50采样率拆分为小线段，现需将这些线段聚合为少量带权重的代表性线段，生成可在前端（如Mapbox）高效渲染的类道路“热力图”：通过绘制这些加权线段替代所有原始线段，避免在用户设备上处理大量渲染工作。

线段示例代码 #

segments = [
    {'start_lat': 0.0, 'start_lon': 0.0, 'end_lat': 50.0, 'end_lon': 50.0, 'weight': 1},
    {'start_lat': 0.1, 'start_lon': -0.2, 'end_lat': 49.8, 'end_lon': 50.3, 'weight': 1},
    {'start_lat': -0.2, 'start_lon': 0.2, 'end_lat': 50.2, 'end_lon': 49.7, 'weight': 1},
]

已尝试方案及问题 #

我曾尝试朴素对比法：检查线段起止点是否在距离阈值内后取平均，但该方法实现难度大且效率极低，无法满足需求。

核心需求 #

基于Python工具（如Shapely、GeoPandas、scipy.spatial等）实现以下功能：

• 检测容差范围内的近平行/重叠线段
• 将符合条件的线段合并为一条“平均”线段
• 累积线段的密度/权重，用于后续在Mapbox等平台可视化热力图线段

性能要求 #

由于运行在GeoDjango后端，性能至关重要，需确保能快速响应HTTP请求。

额外疑问 #

• 该方法是否适合从多条离散线串生成类线热力图（而非基于单点的高斯模糊图）？
• 该场景下是否存在行业通用方案？

内容的提问来源于stack exchange，提问作者user26535132