Geopandas计算德国高速公路长度为何远超官方数据？

近期基于OpenStreetMap开展统计工作，使用Overpass导出德国高速公路（Autobahnen）数据，通过geopandas计算长度时，结果与德国联邦交通及数字基础设施部（BMVI）公布的官方数据不符。

按常理，因高速公路双向路段单独映射，计算总长度应约为官方数据的两倍，且Overpass查询已排除连接匝道、出口等路段。但对比最长的十余条高速公路，多数计算结果明显高估，比官方数据高出50%-60%（见附图）。

差异原因分析 #

• 重复路段导致重复计算：OSM是众包数据，部分高速公路路段可能被多次绘制（不同用户重复添加、历史版本残留等），即使是同一方向的路段，也可能存在多个重复的way对象，求和时会重复计算长度。

• 投影坐标系的失真问题：计算时使用了epsg=3857（Web墨卡托投影），该投影在中高纬度地区会产生显著的距离失真。德国地处中高纬度，用此投影计算出的长度会比实际地理长度偏长，这是高估结果的核心因素之一。建议更换为德国专用的等距投影，如epsg=25832（UTM 32N，覆盖德国大部分区域）或epsg=3035（欧洲等距圆柱投影）。

• 非主线路段的混入：尽管查询时过滤了highway="motorway"，但部分并行的非主线路段（如施工临时便道、单独映射的应急车道、服务区内部连接路）可能被误标记为motorway，这些路段不属于官方统计的主线长度范畴，却被计入了计算结果。

• 统计口径的差异：BMVI的官方数据通常统计的是单向主线的设计长度，而OSM数据可能包含实际建设中的延伸段、未正式通车的路段；另外，官方数据可能按行政归属合并或去重统计，而OSM是按道路物理分段存储，两者统计逻辑本身存在差异。

使用的代码 #

Overpass 查询代码 #

[out:json][timeout:100];
{{geocodeArea:Deutschland}}->.searchArea;
way["highway"="motorway"]["ref"="A 7"](area.searchArea);
out body;
>;;
out skel qt;

Python 计算代码 #

import geopandas as gpd
import pandas as pd

autobahn = "A7"
columns = ["ref", "length_m"]

df_total = pd.DataFrame(columns=columns)

gdf = gpd.read_file(f"https://fliessbaden.de/wp-content/uploads/A7.geojson")
gdf = gdf.to_crs(epsg=3857)

gdf["length_m"] = gdf.geometry.length

total_m = gdf['length_m'].sum()
total_km = total_m / 1000
print(autobahn + ": " + str(round(total_km, 2)) + " km")

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