Python应用指南：利用高德地图API实现路径规划

高德路径规划API是一套基于HTTP协议的接口服务，旨在为开发者提供便捷的路径规划解决方案。该API支持多种出行方式，包括步行、公交和驾车，能够满足不同场景下的路径查询需求。通过调用这些API，用户可以获得从起点到终点的最优路径建议，以及详细的行驶距离和预计时间等信息。API返回的数据格式灵活，支持JSON和XML两种格式，便于开发者根据自身应用的需求进行解析和处理。

本篇文章就来实现对高德路径API的调用，并展示如何处理返回的数据，最终实现路径规划结果的可视化呈现。

先讲一下方法思路，一共三个步骤；

方法思路

确认不同路径规划 API URL数据结构，并根据配置参数构建请求URL
坐标转换——高德坐标系（GCJ-02） to WGS84
输出shp图层和csv结果

我们先看步行的路径规划的请求API：路径规划-基础 API 文档-开发指南-Web服务 API|高德地图API

https://restapi.amap.com/v3/direction/walking?origin=116.434307,39.90909&destination=116.434446,39.90816&key=<用户的key>

参考服务示例，我们需要输入并配置的参数包括key，orign（起点坐标）、desination（终点坐标）、output 选json、origin_id （起点 POI ID）与destination_id （目的地 POI ID）填不填都可以，有需求的可以填一下，可以提高路径规划的精度。

        parameters = {'key': api_key,'origin': from_location,'destination': to_location,'output': 'json'}

首先通过高德API拾取坐标器拾取需要研究的路径的起末点坐标：坐标拾取器 | 高德地图API，这里挑了两个起末点坐标作为示例；

('121.430041,31.154579', '121.318910,31.193987'), # 上海南站 -> 虹桥火车站
('121.492466,31.225879', '121.508419,31.084134'), # 人民广场 -> 复旦大学

步行路径规划

步行路径规划 API 可以规划100km 以内的步行通勤方案，并且返回通勤方案的数据。最大支持 100km 的步行路线规划；

完整代码#运行环境Python 3.11

# -*- coding: utf-8 -*-
import requests
import json
import geopandas as gpd
import pandas as pd
from shapely.geometry import LineString, Point
import glob
import math# 高德GCJ02(火星坐标系)转GPS84
x_pi = 3.14159265358979324 * 3000.0 / 180.0
pi = 3.1415926535897932384626  # π
a = 6378245.0  # 长半轴
ee = 0.00669342162296594323  # 扁率def gcj02towgs84(lng, lat):"""GCJ02(火星坐标系)转GPS84:param lng:火星坐标系的经度:param lat:火星坐标系纬度:return:"""if out_of_china(lng, lat):return lng, latdlat = transformlat(lng - 105.0, lat - 35.0)dlng = transformlng(lng - 105.0, lat - 35.0)radlat = lat / 180.0 * pimagic = math.sin(radlat)magic = 1 - ee * magic * magicsqrtmagic = math.sqrt(magic)dlat = (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * pi)dlng = (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * pi)mglat = lat + dlatmglng = lng + dlngreturn [lng * 2 - mglng, lat * 2 - mglat]def transformlat(lng, lat):ret = -100.0 + 2.0 * lng + 3.0 * lat + 0.2 * lat * lat + 0.1 * lng * lat + 0.2 * math.sqrt(math.fabs(lng))ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0ret += (20.0 * math.sin(lat * pi) + 40.0 * math.sin(lat / 3.0 * pi)) * 2.0 / 3.0ret += (160.0 * math.sin(lat / 12.0 * pi) + 320 * math.sin(lat * pi / 30.0)) * 2.0 / 3.0return retdef transformlng(lng, lat):ret = 300.0 + lng + 2.0 * lat + 0.1 * lng * lng + 0.1 * lng * lat + 0.1 * math.sqrt(math.fabs(lng))ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0ret += (20.0 * math.sin(lng * pi) + 40.0 * math.sin(lng / 3.0 * pi)) * 2.0 / 3.0ret += (150.0 * math.sin(lng / 12.0 * pi) + 300.0 * math.sin(lng / 30.0 * pi)) * 2.0 / 3.0return retdef out_of_china(lng, lat):"""判断是否在国内，不在国内不做偏移:param lng::param lat::return:"""if lng < 72.004 or lng > 137.8347:return Trueif lat < 0.8293 or lat > 55.8271:return Truereturn Falsedef coordinates(c):lng, lat = c.split(',')lng, lat = float(lng), float(lat)wlng, wlat = gcj02towgs84(lng, lat)return wlng, wlatdef route_planning(api_key, routes):all_gdfs = []all_dfs = []for i, (from_location, to_location) in enumerate(routes):url = 'https://restapi.amap.com/v3/direction/walking'parameters = {'key': api_key,'origin': from_location,'destination': to_location,'output': 'json'}response = requests.get(url, params=parameters)data = json.loads(response.text)if data['status'] == '1':route = data['route']paths = route['paths']if paths:path = paths[0]distance = path['distance']duration = path['duration']steps = path['steps']print(f"步行路线规划 {i+1}:")all_coordinates = []step_data = []for step in steps:instruction = step['instruction']distance = step['distance']duration = step['duration']polyline = step['polyline']print(f"指令: {instruction}, 距离: {distance}米, 时间: {duration}秒, 路径: {polyline}")# 转换坐标coordinates_list = [coordinates(c) for c in polyline.split(';')]all_coordinates.extend(coordinates_list)# 将数据添加到列表step_data.append({'指令': instruction,'距离': distance,'时间': duration,'路径': polyline})# 创建LineStringgeometry = LineString(all_coordinates)# 创建GeoDataFramegdf = gpd.GeoDataFrame(index=[i], geometry=[geometry])gdf['distance'] = distancegdf['duration'] = durationgdf['route_id'] = i  # 添加一个标识符来区分不同的路线# 保存为SHP文件gdf.to_file(f'route_{i}.shp', driver='ESRI Shapefile')# 保存为CSV文件df = pd.DataFrame(step_data)df['route_id'] = i  # 添加一个标识符来区分不同的路线df['label'] = f'步行路线规划{i+1}'  # 添加标签df.to_csv(f'route_{i}.csv', index=False, encoding='utf-8-sig')all_gdfs.append(gdf)all_dfs.append(df)print(f"路径 {i+1} 已保存为 route_{i}.shp 和 route_{i}.csv")else:print(f"未找到路径 {i+1}")else:print(f"路线规划失败 {i+1}: {data['info']}")# 合并所有GeoDataFramecombined_gdf = gpd.GeoDataFrame(pd.concat(all_gdfs, ignore_index=True))combined_gdf.to_file('combined_routes.shp', driver='ESRI Shapefile')# 合并所有DataFramecombined_df = pd.concat(all_dfs, ignore_index=True)combined_df.to_csv('combined_routes.csv', index=False, encoding='utf-8-sig')print("所有路径已合并并保存为 combined_routes.shp 和 combined_routes.csv")if __name__ == '__main__':api_key = '你的key'  # 替换为你的高德地图API密钥# 定义多个起终点对routes = [('121.430041,31.154579', '121.318910,31.193987'),  # 上海南站 -> 虹桥火车站('121.492466,31.225879', '121.508419,31.084134'),  # 人民广场 -> 复旦大学# 可以继续添加更多的起终点对]route_planning(api_key, routes)

结果会输出每个路径的单独shp和csv，和合并后的结果为 combined_routes.shp 和 combined_outes.csv；

在调用高德路径规划API并获取到步行路径的详细数据后，我们可以将这些数据在地图上进行可视化，看到步行的具体路径；

同样的，驾车路径规划参考服务示例，我们需要输入并配置的参数包括key、orign（起点坐标）、desination（终点坐标）、output 选json，其他的例如waypoints（途径点）、province（车牌）、strategy（驾车选择策略，驾车策略有20种，详见文档，本脚本选择是''11''）等一些参数，可以参考高德的API文档进行配置，这里不再赘述；

驾车路径规划

驾车路径规划 API 可以规划以小客车、轿车通勤出行的方案，并且返回通勤方案的数据。

完整代码#运行环境Python 3.11

# -*- coding: utf-8 -*-
import requests
import json
import geopandas as gpd
import pandas as pd
from shapely.geometry import LineString, Point
import math# 高德GCJ02(火星坐标系)转GPS84
x_pi = 3.14159265358979324 * 3000.0 / 180.0
pi = 3.1415926535897932384626  # π
a = 6378245.0  # 长半轴
ee = 0.00669342162296594323  # 扁率def gcj02towgs84(lng, lat):"""GCJ02(火星坐标系)转GPS84:param lng:火星坐标系的经度:param lat:火星坐标系纬度:return:"""if out_of_china(lng, lat):return lng, latdlat = transformlat(lng - 105.0, lat - 35.0)dlng = transformlng(lng - 105.0, lat - 35.0)radlat = lat / 180.0 * pimagic = math.sin(radlat)magic = 1 - ee * magic * magicsqrtmagic = math.sqrt(magic)dlat = (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * pi)dlng = (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * pi)mglat = lat + dlatmglng = lng + dlngreturn [lng * 2 - mglng, lat * 2 - mglat]def transformlat(lng, lat):ret = -100.0 + 2.0 * lng + 3.0 * lat + 0.2 * lat * lat + 0.1 * lng * lat + 0.2 * math.sqrt(math.fabs(lng))ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0ret += (20.0 * math.sin(lat * pi) + 40.0 * math.sin(lat / 3.0 * pi)) * 2.0 / 3.0ret += (160.0 * math.sin(lat / 12.0 * pi) + 320 * math.sin(lat * pi / 30.0)) * 2.0 / 3.0return retdef transformlng(lng, lat):ret = 300.0 + lng + 2.0 * lat + 0.1 * lng * lng + 0.1 * lng * lat + 0.1 * math.sqrt(math.fabs(lng))ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0ret += (20.0 * math.sin(lng * pi) + 40.0 * math.sin(lng / 3.0 * pi)) * 2.0 / 3.0ret += (150.0 * math.sin(lng / 12.0 * pi) + 300.0 * math.sin(lng / 30.0 * pi)) * 2.0 / 3.0return retdef out_of_china(lng, lat):"""判断是否在国内，不在国内不做偏移:param lng::param lat::return:"""if lng < 72.004 or lng > 137.8347:return Trueif lat < 0.8293 or lat > 55.8271:return Truereturn Falsedef coordinates(c):lng, lat = c.split(',')lng, lat = float(lng), float(lat)wlng, wlat = gcj02towgs84(lng, lat)return wlng, wlatdef driving_planning(api_key, routes):all_gdfs = []all_dfs = []for i, (from_location, to_location) in enumerate(routes):url = 'https://restapi.amap.com/v3/direction/driving'parameters = {'key': api_key,'origin': from_location,'destination': to_location,'strategy': '11','output': 'json'}response = requests.get(url, params=parameters)data = json.loads(response.text)if data['status'] == '1':route = data['route']paths = route['paths']if paths:path = paths[0]distance = path['distance']duration = path['duration']steps = path['steps']print(f"驾车路线规划 {i+1}:")all_coordinates = []step_data = []for step in steps:instruction = step['instruction']distance = step['distance']duration = step['duration']polyline = step['polyline']print(f"指令: {instruction}, 距离: {distance}米, 时间: {duration}秒, 路径: {polyline}")# 转换坐标coordinates_list = [coordinates(c) for c in polyline.split(';')]all_coordinates.extend(coordinates_list)# 将数据添加到列表step_data.append({'指令': instruction,'距离': distance,'时间': duration,'路径': polyline})# 创建LineStringgeometry = LineString(all_coordinates)# 创建GeoDataFramegdf = gpd.GeoDataFrame(index=[i], geometry=[geometry])gdf['distance'] = distancegdf['duration'] = durationgdf['route_id'] = i  # 添加一个标识符来区分不同的路线# 保存为SHP文件gdf.to_file(f'driving_route_{i}.shp', driver='ESRI Shapefile')# 保存为CSV文件df = pd.DataFrame(step_data)df['route_id'] = i  # 添加一个标识符来区分不同的路线df['label'] = f'驾车路线规划{i+1}'  # 添加标签df.to_csv(f'driving_route_{i}.csv', index=False, encoding='utf-8-sig')all_gdfs.append(gdf)all_dfs.append(df)print(f"路径 {i+1} 已保存为 driving_route_{i}.shp 和 driving_route_{i}.csv")else:print(f"未找到路径 {i+1}")else:print(f"路线规划失败 {i+1}: {data['info']}")# 合并所有GeoDataFramecombined_gdf = gpd.GeoDataFrame(pd.concat(all_gdfs, ignore_index=True))combined_gdf.to_file('combined_driving_routes.shp', driver='ESRI Shapefile')# 合并所有DataFramecombined_df = pd.concat(all_dfs, ignore_index=True)combined_df.to_csv('combined_driving_routes.csv', index=False, encoding='utf-8-sig')print("所有路径已合并并保存为 combined_driving_routes.shp 和 combined_driving_routes.csv")if __name__ == '__main__':api_key = '你的key'  # 替换为你的高德地图API密钥# 定义多个起终点对routes = [('121.596168,31.194734', '121.42837,31.230395'),  # 示例起终点('121.387047,31.108427', '121.506295,31.281965'),  # 示例起终点# 可以继续添加更多的起终点对]driving_planning(api_key, routes)

同样的，结果会输出每个路径的单独shp和csv，和合并后的结果为 combined_driving_routes.shp 和 combined_driving_routes.csv，在调用高德路径规划API并获取到驾车路径的详细数据后，我们可以将这些数据在地图上进行可视化，看到驾车的具体路径；

骑行路径规划参考服务示例，我们需要参数就更少了，只需要输入并配置的参数包括key、orign（起点坐标）、desination（终点坐标）、output 选json即可；

骑行路径规划

骑行路径规划用于规划骑行通勤方案，规划时会考虑天桥、单行线、封路等情况。最大支持 500km 的骑行路线规划。

完整代码#运行环境Python 3.11

# -*- coding: utf-8 -*-
import requests
import json
import geopandas as gpd
import pandas as pd
from shapely.geometry import LineString, Point
import math# 高德GCJ-02坐标转换为WGS-84坐标
x_pi = 3.14159265358979324 * 3000.0 / 180.0
pi = 3.1415926535897932384626  # π
a = 6378245.0  # 长半轴
ee = 0.00669342162296594323  # 扁率def gcj02towgs84(lng, lat):"""将GCJ-02坐标转换为WGS-84坐标。:param lng: 火星坐标系的经度:param lat: 火星坐标系的纬度:return: WGS-84坐标系的经度和纬度"""if out_of_china(lng, lat):return lng, latdlat = transformlat(lng - 105.0, lat - 35.0)dlng = transformlng(lng - 105.0, lat - 35.0)radlat = lat / 180.0 * pimagic = math.sin(radlat)magic = 1 - ee * magic * magicsqrtmagic = math.sqrt(magic)dlat = (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * pi)dlng = (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * pi)mglat = lat + dlatmglng = lng + dlngreturn [lng * 2 - mglng, lat * 2 - mglat]def transformlat(lng, lat):"""计算坐标偏移量（纬度方向）。:param lng: 经度:param lat: 纬度:return: 纬度偏移量"""ret = -100.0 + 2.0 * lng + 3.0 * lat + 0.2 * lat * lat + 0.1 * lng * lat + 0.2 * math.sqrt(math.fabs(lng))ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0ret += (20.0 * math.sin(lat * pi) + 40.0 * math.sin(lat / 3.0 * pi)) * 2.0 / 3.0ret += (160.0 * math.sin(lat / 12.0 * pi) + 320 * math.sin(lat * pi / 30.0)) * 2.0 / 3.0return retdef transformlng(lng, lat):"""计算坐标偏移量（经度方向）。:param lng: 经度:param lat: 纬度:return: 经度偏移量"""ret = 300.0 + lng + 2.0 * lat + 0.1 * lng * lng + 0.1 * lng * lat + 0.1 * math.sqrt(math.fabs(lng))ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 * math.sin(2.0 * lng * pi)) * 2.0 / 3.0ret += (20.0 * math.sin(lng * pi) + 40.0 * math.sin(lng / 3.0 * pi)) * 2.0 / 3.0ret += (150.0 * math.sin(lng / 12.0 * pi) + 300.0 * math.sin(lng / 30.0 * pi)) * 2.0 / 3.0return retdef out_of_china(lng, lat):"""判断坐标是否在中国范围内，不在国内不做偏移。:param lng: 经度:param lat: 纬度:return: 布尔值，是否在中国范围内"""if lng < 72.004 or lng > 137.8347:return Trueif lat < 0.8293 or lat > 55.8271:return Truereturn Falsedef coordinates(c):"""将字符串形式的坐标转换为浮点数，并进行坐标转换。:param c: 坐标字符串，格式为 "经度,纬度":return: 转换后的WGS-84坐标"""lng, lat = c.split(',')lng, lat = float(lng), float(lat)wlng, wlat = gcj02towgs84(lng, lat)return wlng, wlatdef bicycling_planning(api_key, routes):"""实现骑行路径规划，并将结果保存为SHP和CSV文件。:param api_key: 高德地图API密钥:param routes: 起终点对列表，每个元素是一个元组 (from_location, to_location)"""all_gdfs = []all_dfs = []for i, (from_location, to_location) in enumerate(routes):# 构建请求URL和参数url = 'https://restapi.amap.com/v4/direction/bicycling'parameters = {'key': api_key,'origin': from_location,'destination': to_location,'output': 'json'}# 发送请求response = requests.get(url, params=parameters)data = json.loads(response.text)if data['errcode'] == 0:# 获取路径规划数据paths = data['data']['paths']if paths:path = paths[0]distance = path['distance']duration = path['duration']steps = path['steps']print(f"骑行路线规划 {i+1}:")all_coordinates = []step_data = []for step in steps:instruction = step['instruction']road = step['road']distance = step['distance']duration = step['duration']polyline = step['polyline']print(f"指令: {instruction}, 道路: {road}, 距离: {distance}米, 时间: {duration}秒, 路径: {polyline}")# 转换坐标coordinates_list = [coordinates(c) for c in polyline.split(';')]all_coordinates.extend(coordinates_list)# 将数据添加到列表step_data.append({'指令': instruction,'道路': road,'距离': distance,'时间': duration,'路径': polyline})# 创建LineStringgeometry = LineString(all_coordinates)# 创建GeoDataFramegdf = gpd.GeoDataFrame(index=[i], geometry=[geometry])gdf['distance'] = distancegdf['duration'] = durationgdf['route_id'] = i  # 添加一个标识符来区分不同的路线# 保存为SHP文件gdf.to_file(f'bicycling_route_{i}.shp', driver='ESRI Shapefile')# 保存为CSV文件df = pd.DataFrame(step_data)df['route_id'] = i  # 添加一个标识符来区分不同的路线df['label'] = f'骑行路线规划{i+1}'  # 添加标签df.to_csv(f'bicycling_route_{i}.csv', index=False, encoding='utf-8-sig')all_gdfs.append(gdf)all_dfs.append(df)print(f"路径 {i+1} 已保存为 bicycling_route_{i}.shp 和 bicycling_route_{i}.csv")else:print(f"未找到路径 {i+1}")else:print(f"路线规划失败 {i+1}: {data['errmsg']}")# 合并所有GeoDataFramecombined_gdf = gpd.GeoDataFrame(pd.concat(all_gdfs, ignore_index=True))combined_gdf.to_file('combined_bicycling_routes.shp', driver='ESRI Shapefile')# 合并所有DataFramecombined_df = pd.concat(all_dfs, ignore_index=True)combined_df.to_csv('combined_bicycling_routes.csv', index=False, encoding='utf-8-sig')print("所有路径已合并并保存为 combined_bicycling_routes.shp 和 combined_bicycling_routes.csv")if __name__ == '__main__':api_key = '你的key'  # 替换为你的高德地图API密钥# 定义多个起终点对routes = [('121.481453,31.154145', '121.534596,31.233022'),  # 示例起终点('121.49956,31.240278', '121.569872,31.328836'),  # 示例起终点# 可以继续添加更多的起终点对]# 调用骑行路径规划函数bicycling_planning(api_key, routes)

同样的，结果会输出每个路径的单独shp和csv，和合并后的结果为 combined_bicycling_routes.shp 和 combined_bicycling_routes.csv，在调用高德路径规划API并获取到骑行路径的详细数据后，我们可以将这些数据在地图上进行可视化，看到骑行的具体路径；