利用python与百度地图批量获取城市之间的行驶距离

最新推荐文章于 2024-05-21 16:22:59 发布
最新推荐文章于 2024-05-21 16:22:59 发布
阅读量4.7k 收藏 34
点赞数 7
文章标签： python 百度 pycharm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_51482899/article/details/120922271
版权
本文记录了一位编程初学者如何利用Python、百度地图API和Excel，解决批量获取全国城市间行驶距离的问题。过程中遇到导入数据、建立OD关系及安装Python库等挑战，最终通过itertools的combinations实现城市配对，并注意到百度API的数据量限制，计划实现分批计算和更新结果。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

由于我本人没有任何编程基础，而且设定的目标是爬取全国三百多个城市之间的行驶距离，且目前手头也仅有这些城市的txt，所以今天遇到许多难点。

首先是怎么获取城市之间的行驶距离，其次是怎么将excel导入python，还有就是怎么建立城市之间的od关系（虽然说起来很糗，但真的小白总是流血流泪...），这是主要的三个问题。

当然其他还有很多小问题，比如打开pycharm想要import pandas、itertools啥的，很多都是灰色，最后室友提醒是很多运行包我都没安装。回顾整个历程，从早上九点多到此刻下午四点，总体是非常磕磕绊绊。

以Gavin_Sunny的《Python利用百度地图获取两地距离 最详细过程和源代码》这篇文章中的代码为基础，借助了python的itertools中的combinations也就是排列组合最后形成了两个城市之间的od对应关系，最终得到了答案，唯一问题就是运算过程挺慢的，亲测四十个城市计算大概八百条结果，用时八分钟左右。

一开始的准备工作比如申请百度开放平台的ak密钥这一步按下不表，主要运用其中的地点检索服务以及批量算路服务两个web api。

主代码如下：

# 本次整体的源代码
AK = 'NAwGuQe2WmQ7RSdvQIafcZ0Kjnv8Aldc'

# 需要用到的模块：pandas、requests
最低0.47元/天 解锁文章
使用 Python 爬取百度地图 POI 数据（完整指南）
2201_76125261的博客
03-11 563
在现代地理信息系统（GIS）和城市规划中，地理数据的收集和分析是研究的重要组成部分。此外，我们将会使用 Python 的异步爬取和数据可视化技术，爬取大量 POI 数据，并对数据进行统计分析和可视化展示。在本文中，我们通过 Python 和百度地图 API，成功实现了对 POI 数据的爬取和分析。百度地图 API 提供了多种数据接口，允许开发者获取地理和导航相关的数据。在开发者平台中配置允许访问的服务器 IP，防止接口被滥用。✅ 兴趣点（Point of Interest，POI）在本教程中，我们将利用。
【Python】利用百度地图API获取多方式行程时间
weixin_44902013的博客
03-01 5517
笔者使用的是百度地图“Web服务API”提供的路径规划功能，官方网站地址如下： http://lbsyun.baidu.com/index.php?title=webapi 预期效果 批量输入两点经纬坐标返回多种交通方式的当前时刻预计行程时间 （若基础数据为文字地址，可使用百度地图API提供的“正/逆地理编码服务”转换为经纬坐标数据） 获取秘钥 秘钥是访问百度地图API各项功能的密码，需向百度地图...
Python通过百度地图API批量计算两地路线距离（货车路线规划）
weixin_45249324的博客
07-15 2386
Python通过百度地图API批量计算两地路线距离（货车路线规划）
Python通过百度地图API批量计算两地路线距离
weixin_45249324的博客
07-08 2504
Python通过百度地图API批量计算两地路线距离
百度地图地址批量转换计算距离和获取定位城市
05-13
这个也是找了好久没找到，自己最近项目需要，也是研究之后写成了jar包，共需要的人直接拿来使用。里面有邮箱如有什么疑问可以发邮件，有时间一定解决，拿到测试代码需要 申请百度key，里面有文档说明，相信一看你都会。测试代码写的很清楚。
EXCEL批量计算两个地址间的行车里程距离
wyulang的专栏
05-21 3553
开始地址的列序号 输入框里输入 EXCEL里的列的下标，也就是第几列 注意是从0开始，第一列也就是0列， 有些起始地址可能会出现 省市区各一列，当这样的话，只要输入每列的序号，以逗号隔开，英文逗号 如：1,2,3，同理结果地址也一样。链接: https://pan.baidu.com/s/13Eg8D5Q4E477dYPss_10Eg?在运输物流报价的过程中,经常需要查询里程进行报价,而由于线路很多,手工去查询百度地图还是很耗费时间的, 所以下面我来分享一款可以轻松就可以查完所有行车里程距离的软件，
Python对城市距离自动化爬取【python小型项目】
QQ2352108083的博客
02-07 1644
本地创建数据库，将 excel 数据存储到 city 表中，再取 | 湖北省 | 的所有地级市和县、县级市、区数据作为样表数据记录在样表中。利用 python 的 xlrd 包，定义 process_data 包来存放操作 excel 数据，生成 sql 语句的类，定义 op_postgresql 包来存放数据库的操作对象，定义各种方法 PS::另外很多人在学习Python的过程中，往往因为...
Python利用百度地图获取两地距离 最详细过程和源代码
热门推荐
Gavin_Nicholas的博客
07-08 1万+
在Python中调用百度地图开放平台提供的Web服务API，对批量的地点对计算路线规划距离。内部包含详细的Python源代码。
Python调用百度地图API得到两地的经纬度信息，通过经纬度信息计算两地距离
weixin_43982422的博客
10-20 2352
Python调用百度地图API，通过经纬度信息计算两地距离 前期工作： 首先注册百度账号，然后在打开百度开放平台，点击控制台，进入控制台页面，然后激活个人开发者账号，这样就可以使用该平台。 在控制台页面，点击应用管理——>我的应用——>创建应用，创建一个应用。 输入应用名称,选中地点检索选项,在IP白名单中输入0.0.0.0/0,点击提交即可创建应用. 提交完成后在我的应用中即可看到所创建的应用,记住应用的AK值,使用该值调用百度的API. ...
利用高德地图API获取任意两座城市之间的距离！异地也有惊喜！
pythonlaodi的博客
11-09 1431
不知你是否遇到过在微信上给通讯录中的某个人发消息，结果出现了这一幕： 平时一直认为自己的心里素质过硬，不过遇到这种情况 ... PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取 python免费学习资料以及群交流解答点击即可加入 在我缓了半个钟头（半分钟）之后，缓缓拿出了手机，打开微信，找到通讯录中的 ABC，默默地按下了删除按钮，此刻的我心如止水 ... 好了，我们回到正题，为了避免再次出现上述情况，我决定把微信通讯录中删除了自己的人全部找出来并且删除，之前我已.
python批量查询两地的行驶距离
A873054267的博客
06-12 3423
# encoding: utf-8 import json import requests import pandas as pd def getLngLat(name): url='http://api.map.baidu.com/geocoding/v3/?output=json&ak=&address=申请的应用端token'+name res = requests.get(url) content=res.content jsonv=json.loa.
在百度地图上开启 测距的功能
业余前端的职业经历
10-16 4047
百度地图 本来api不带测距的功能 不过在开源库中存在一个 测距的工具类库 DistanceTool 工具 这个是工具类的地址 http://api.map.baidu.com/library/DistanceTool/1.2/src/DistanceTool_min.js 然后我们拿到本地进行使用 // 百度地图sdk <script type="text/javascript" src="//api.map.baidu.com/api?v=2.0&ak=你的ak密钥"></s
计算各中国各地级市之间两两之间的距离
qq_36306457的博客
08-05 2348
写了各小程序，计算各中国各地级市之间两两之间的距离，当然可以扩充到任意图斑，只是这里拿县级别行政的质心做的测试。结果如下图。 首先是数据如下图，2889个记录 计算结果如下 两两之间的距离，行头和列头都是各个县的名称 。 ...
Python 全栈系列106 -调用百度地图api计算两点间距离和行车时间
yukai08008的博客
06-16 2471
说明 百度地图的api还是蛮大方的，反正个人是肯定够用的。没想到还有天气接口，以后也可以玩一玩。本篇实现计算两个地址间的距离。 内容 1 地址转为经纬度 使用这个接口进行地址转换坐标。 第一次提交报APP 服务禁用，这时候就进入App的设置，我比较怕麻烦，一次全勾上了。 随意输入一个地址 address ='上海浦东国际机场卫星厅' --- resp = req.get(url_template % (address , ak )) resp.text 'showLocation&&s
在Google Sheets中利用Google Apps Script 调用谷歌地图实现多点之间导航距离的批量计算
Control_C的博客
10-18 375
在Google Sheets中利用Google Apps Script 调用谷歌地图实现多点之间导航距离的批量计算
利用高德地图API批量获取地点经纬度和行车线路与OD距离（excel和python）
qq_35061992的博客
12-13 1万+
批量获取地点经纬度和OD距离
通过百度地图路线规划获取出行距离与时间
boycetoon29的博客
05-08 2796
解决步行出行研究中的距离测度问题 最近出于研究的目的，需要获取一系列出行起止点间的步行网络距离，这个环节原本在研究设计的时候是预期采用GIS里的网络分析完成。但经过一番尝试后结果实在不尽如人意，很大一部分原因是没有如此完善的大规模步行网络数据，一方面道路网络的拓扑属性质量比较低，手工调整需要耗费大量时间；另一方面步行网络很多时候不仅仅基于现有的车行道，独立完成大规模步行网络的校正实在困难。 于是我打起了百度地图提供的路径规划服务的主意，百度的步行导航相对于自己做的网络分析还是准确很多，并且通过API调用可以
OSM路网街景采样点
最新发布
01-14
### OSM路网街景采样点数据获取方法 #### 预处理OSM路网数据 为了准备用于生成街景采样点的OSM路网数据，需要先进行一系列预处理工作。具体来说，城市道路网络和兴趣点(POIs)的数据是从OpenStreetMap(OSM)中获取的[^1]。这些数据包含了研究区域内各类可行驶的道路信息，包括但不限于主干道、次干道以及居住区内部的小巷子。 对于原始下载下来的OSM数据集而言，其中可能含有冗余或不准确的信息，因此有必要对其进行清理与优化。这一步骤涉及移除那些带有明显错误标签的道路记录，并通过计算双向车道间的几何平均位置来代替实际存在的两条平行线段表示法，从而减少后续算法复杂度并提高效率。 经过上述调整之后，最终得到一个精简版的城市交通图谱——它由2,004条连接节点构成边界的路径组成；与此同时还额外搜集到了3,459处具有代表性的地标建筑作为补充说明材料，用以更好地理解该地区的功能布局特征。 ```python import osmnx as ox G = ox.graph_from_place('Chengdu, China', network_type='drive') ox.plot_graph(G) ``` #### 投影转换至UTM坐标系 当准备好干净整洁的地图框架后，则可以着手考虑如何将之映射到适合进一步操作的空间参照体系内去了。通常情况下会选择采用统一横轴墨卡托投影（Universal Transverse Mercator Projection），也就是常说的UTM坐标系统来进行这项任务。这是因为相比于地理经纬度表达方式而言，前者能够提供更加直观且易于量化的平面直角坐标描述形式[^4]。 利用GIS软件包如ArcGIS中的`Projection`工具即可轻松完成这一过程：只需指定好源文件路径及其对应的输出格式参数选项即可实现自动化批量化作业流程。值得注意的是，在选择具体的带号时要依据目标地点所在的地理位置做出适当的选择，比如成都市就位于北半球第48个分区内。 ```python from pyproj import Transformer transformer = Transformer.from_crs("EPSG:4326", "EPSG:32648") # WGS84 to UTM Zone 48N lon, lat = transformer.transform(latitudes, longitudes) ``` #### 对路网数据进行增密采样 一旦完成了从WGS84椭球面模型向局部笛卡尔坐标的转变以后，就可以针对新产生的矢量图形执行下一步动作了——即按照预定间距沿每一段连线上均匀分布若干个离散化样本点位。这样的做法不仅有助于增加空间分辨率而且还能确保所选取的位置具备足够的代表性以便于后期分析使用[^3]。 借助ESRI ArcToolbox里的`Densify`命令行接口便能快速达成目的：用户只需要设置好待处理的对象层名还有期望达到的最大步长阈值就可以了。这样一来就能自动生成满足条件的一系列中间结点集合供后续调用了。 ```python def densify_road_network(shp_file_path, distance_interval=50): """ Densifies road segments by adding points at specified intervals. :param shp_file_path: Path of the shapefile containing roads data. :param distance_interval: Distance between consecutive sample points (meters). :return: List of sampled point coordinates [(lat1, lon1), ...]. """ from geopandas import read_file gdf = read_file(shp_file_path) samples = [] for line in gdf.geometry: length = int(line.length / distance_interval) + 1 for i in range(length): pt = line.interpolate(i * distance_interval).coords[0] samples.append(pt[::-1]) # Reverse tuple order to match latitude/longitude convention return samples ```
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值