简介西藏路网矢量数据是面向GIS专业人员的2021年道路数据包采用WGS84坐标系覆盖城市道路、国道、省道及高速公路等主要路网类别并记录道路长度、宽度、等级、连接点及地理坐标等属性适用于交通规划、路网可视化与空间分析场景。压缩包共五个文件即几何数据文件、属性表文件、投影信息文件、索引文件及元数据文件整体大小约十六兆字节可直接在ArcGIS等专业平台加载使用。属性字段包含道路名称、类型、等级等信息便于分类筛选与专题制图。基于该数据可开展地图可视化、空间查询、最短路径与可达性分析、交通流量预估、多源叠加分析等工作还可对比不同年份路网数据观察城市扩展与道路建设变化为区域交通研究、灾害响应、旅游路线规划等提供基础底图。目前已有三百四十八人学习下载适合具备一定GIS基础、需要高精度路网数据的规划师、研究人员及交通领域从业者使用时需遵守数据的授权与合规要求。1. 某高原区域2021年路网矢量数据先验坐标再出图别让分析毁在第一步拿到任何一个路网数据包我做的第一件事从来不是双击打开看地图而是先敲一行ogrinfo查坐标系。因为这决定后面所有分析是站在实地上还是站在沙地上。某高原区域2021年路网矢量数据包是一份以 WGS84EPSG:4326地理坐标系存储、包含城市道路、国道、省道、高速公路等主要等级的道路线数据适合做 WebGIS 底图集成、路网密度评估以及把道路作为基础要素叠加高程数据做通达性预研。如果只是随手打开看一眼很多隐患会被拖到分析跑完、结果输出之后才暴露到那时候后悔药通常不好买。这份数据对新手和熟手都有实用空间新手可以从它身上走通矢量检查、清洗、分层的完整流程熟手可以拿它当某高原区域路网分析的基底数据省去从多源数据拼凑坐标系的麻烦。2. 数据底盘解析WGS84坐标系、道路分层与字段识别2.1 拆开一个矢量路网包哪些文件必须成套存在常见的矢量路网数据以 Shapefile 格式交付这是一种由多个文件组成的“伪单文件”格式缺失任何一个配套文件数据都可能半残。拿到数据包后先对照下面这份文件清单过一遍文件后缀作用缺失后果.shp几何信息主体存放线坐标无法打开或要素全空.shx几何索引帮助软件快速定位要素打开极慢或提示损坏.dbf属性字段道路等级、名称都在这属性表空白分层无依据.prj坐标系描述文件软件只能猜测坐标系极易认错.cpg属性编码声明文件非必需中文乱码风险增加拿到数据后先把这些文件放进同一个目录确认 .shp、.shx、.dbf、.prj 四件套齐全再用 QGIS 或 GDAL 读取。缺 .prj 是这批数据最常见的“隐形病”几何坐标可能确实是 WGS84但软件没有声明文件可依赖只能按默认参数去猜一旦猜成别的地理坐标系后面叠加分析时前功尽弃。2.2 用ogrinfo验证坐标系和图层不是WGS84就暂停我一般会先用命令行工具ogrinfo对数据做一次“体检”它比打开图形界面更快输出结果也更直接ogrinfo -so -al 高原区域_路网_2021.shp关键输出要看三处Layer name确认图层名Geometry确认是Line String还是Multi Line String最关键的Layer SRS WKT字段里面应当出现GEOGCRS[WGS 84或GCS_WGS_1984字样。如果看到的是GCS_China_Geographic_Coordinate_System或GCJ-02相关描述说明这份数据虽然可能大体覆盖某高原区域但坐标系已经被中途处理改动过要立刻停下来排查。-so参数表示只输出图层概要信息不逐要素刷屏-al表示遍历所有图层。输出里还会给出要素总数和图层范围例如Extent: (78.39, 26.83) - (99.11, 36.49)这个范围帮你快速确认数据是否真的覆盖目标区域。2.3 道路等级字段的两种常见编码路网数据里“城市道路、国道、省道、高速公路”这些分层通常落在属性表的一个字段里但不同数据服务机构的命名五花八门。见得比较多的是CLASS或类型字段值域则分成数字编码和文字编码两种风格字段取值示例含义出现在什么场景1、2、3、4数字等级码1高速公路偏数据库整理过的数据expressway、national、provincial、urban英文枚举值OSM 风格或国际化数据高速、国道、省道、城市道路中文直写国内服务机构的原始数据拿到数据先不去猜编码含义而是用属性表做一次空值和离散值统计。QGIS 里打开图层属性表对CLASS字段做“按字段汇总”看看到底出现几种取值、各有多少条。如果发现某个字段里同时出现国道、G-National、national三种写法说明这份数据经历过多次拼接后续必须先做归并才能用于分级出图。2.4 坐标系单位陷阱WGS84的“度”和投影坐标系的“米”WGS84 是地理坐标系单位是十进制度数不是米。这点在布线长统计时特别容易埋坑。直接用ST_Length或 Shapefile 的字段计算器算出来的长度是“度”在没有投影的情况下把它当公里数用结果会小得离谱和真实值完全对不上。正确做法是先给数据套一个适合目标区域的投影坐标系再做长度计算。某高原区域属于高海拔低纬地带用横轴墨卡托投影或兰勃特正形圆锥投影都比直接在 WGS84 下算更靠谱。GDAL 里做这件事很简单ogr2ogr -t_srs EPSG:32646把数据转到 WGS84 UTM Zone 46N再进行长度量算。如果分析范围跨多个 UTM 分带就用区域自定义的兰勃特投影参数按中央经线和双标准纬线设置保证全区长度误差控制在可接受范围内。3. 从原始数据到可用图层编码统一、拓扑修复与等级归并3.1 用ogr2ogr统一坐标系和DBF编码原始数据就算声明是 WGS84也常常带着属性表中文乱码的问题因为 DBF 文件的编码可能是 GBK而 GDAL 默认按 UTF-8 读取。统一编码和坐标系我习惯一步到位用ogr2ogrogr2ogr -t_srs EPSG:4326 -lco ENCODINGUTF-8 \ 高原区域_路网_clean.shp 高原区域_路网_2021.shp-t_srs EPSG:4326强制输出为 WGS84 地理坐标系如果输入已经是 WGS84这一步只是确认和重写。-lco ENCODINGUTF-8是写给输出文件的 DBF 编码声明加上之后QGIS 下次打开不会再出现中文路名问号满天飞的景象。执行完别急着走再跑一次ogrinfo确认 SRS 没有被改写顺便看一眼属性表里带中文的字段是否正常。这里有个容易踩的动作如果输入数据本身是投影坐标系-t_srs是在做投影转换要保证输入文件的 .prj 正确否则转换出的坐标是“基于错误前提的正确计算”结果照样偏。拿不准时先ogrinfo看输入 SRS再决定要不要转换。3.2 拓扑断点修复GRASS v.clean的工程化用法某高原区域这类地形复杂的路网数据最常见的拓扑问题是道路在行政区边界处断开——两条国道在交界处没有接上节点中间断了几十米甚至上百米。直接做路径分析或路网连通性评估时断线会导致路线从这里掉头往回绕。通用做法是借助 QGIS 内置的 GRASS 工具v.clean做自动化修复。v.clean inputroad_raw outputroad_clean \ toolbreak,rmdupl,rmdangles \ threshold0.001,0,50 --overwrite这条命令行里tool参数按顺序执行三种清理break在交点处打断线把一条长国道拆成多段为后续网络衔接做准备rmdupl删除完全重复的要素处理多源拼接产生的重叠线rmdangles删除长度小于阈值的悬空短线参数threshold里的50表示 50 米以内的“刺头”会被摘除。--overwrite允许覆盖已有输出重复执行时不用手动清理旧文件。注意break是后续操作的基础必须先跑。如果数据量很大v.clean可能跑得比较慢建议先在县级范围测试一个子集确认参数效果后再扩展到全区。3.3 用geopandas把杂乱的CLASS字段归并成四类数据经过多源拼接后道路等级字段经常同一个意思多种写法。我用 Python 的geopandas写一个归并脚本把枚举值统一成四类highway高速公路、national国道、provincial省道、urban城市道路。import geopandas as gpd gdf gpd.read_file(高原区域_路网_clean.shp, encodingutf-8) # 查看当前等级字段的离散取值 print(gdf[CLASS].value_counts()) mapping { 高速: highway, expressway: highway, G-National: national, 国道: national, 省道: provincial, S-Provincial: provincial, 城市道路: urban, urban: urban, 其他: other } gdf[LEVEL] gdf[CLASS].astype(str).map(mapping).fillna(other) gdf gdf[gdf[LEVEL] ! other] # 不属于四类的要素剔除避免干扰出图 gdf.to_file(高原区域_路网_level.shp, encodingutf-8)value_counts()先帮你看清楚来源字段里到底有哪些取值避免映射表挂一漏万。mapping字典的键按实际数据里的写法自行增删关键是.fillna(other)把没匹配上的值统一标记再一次性剔除而不是让脏数据残留在结果图层里。to_file输出时指定encodingutf-8与前面 ogr2ogr 的编码策略保持一致。归并之后出图分层、按等级筛选统计都能用LEVEL字段一句话完成不需要再写一串复杂的条件式。4. 把路网数据用起来分层出图与线密度格网统计4.1 四层样式符号化城市道路、国道、省道、高速公路的展示规则等级归并完成后第一件值得做的事是分层出图。QGIS 里基于LEVEL字段做分类渲染关键是配一套能一眼看出层级关系的线宽和配色。我的习惯是高速公路用深红色、线宽 1.2国道用橙色、线宽 0.8省道用蓝色、线宽 0.6城市道路用灰色、线宽 0.4。这套规则的核心逻辑是“越高等级越粗越醒目”因为这类数据最终常被用作底图叠加的点位、面状区域需要在道路网之上仍然清晰可读。除了视觉配色还要打开“图层属性—符号化—宽度”里的“数据定义覆盖”把线宽绑定到LEVEL字段上。这样输出的图放到 WebGIS 平台做分级渲染时前端不用重新映射字段直接按LEVEL的四个枚举值控制样式。如果后续要把数据发布成矢量瓦片这一步尤其省事瓦片样式文件里只需要写四组规则不需要处理一堆不规范等级值。4.2 500米格网的线密度统计路网数据的典型分析需求是“哪里道路密、哪里道路稀”。我用geopandas加shapely做 500 米格网的线密度统计先通过total_bounds拿到全区范围再生成格网import geopandas as gpd from shapely.geometry import box roads gpd.read_file(高原区域_路网_level.shp, encodingutf-8) xmin, ymin, xmax, ymax roads.total_bounds size 0.05 # 500米在WGS84近似0.005度实际请按投影坐标计算 grids [] for x in range(int((xmax - xmin) / size)): for y in range(int((ymax - ymin) / size)): grids.append(box(xmin x * size, ymin y * size, xmin (x 1) * size, ymin (y 1) * size)) grid_gdf gpd.GeoDataFrame(geometrygpd.GeoSeries(grids), crsroads.crs)这里有一个非常需要提醒的点WGS84 的坐标单位是度size0.05只适合做快速 Demo并不精确代表 500 米。严谨的做法是先把两个图层都投影到 UTM 或兰勃特投影坐标系用真正的 500 米整数做格网边长再执行切割统计。后续的计算如果涉及线长度求和必须在投影坐标下进行。# 投影后再做相交与密度计算单位是米 roads_proj roads.to_crs(epsg32646) grid_proj grid_gdf.to_crs(epsg32646) intersect gpd.overlay(roads_proj, grid_proj, howintersection) density intersect.groupby(intersect.index_right)用gpd.overlay求相交后按格网单元分组对相交线段的长度求和再除以格网面积得到每平方公里的道路线密度。数据量大时这步计算可能持续几分钟这是正常的。如果嫌慢可以退到 QGIS 的“线密度”工具它内部会做分块处理内存占用更可控。结果输出后再接一个自然断点分级渲染空旷区和密集区的差异会非常直观。5. 避坑WGS84路网数据的五类翻车现场5.1 现象坐标系显示WGS84但道路整体偏移几百米某次我用这份数据叠加卫星影像底图发现道路线和影像上的实际道路始终差着一二百米方向一致但整体平移。开始怀疑是底图偏移换了影像源还是老样子。原因数据属性表声明是 WGS84但实际几何坐标是被加密偏移过的火星坐标系。这种情况多出现在非正规渠道获取的数据里坐标在 WGS84 基础上被算法处理过光靠 .prj 文件看不出来。解决抽几个道路交叉点坐标和在线地图取同一点比对如果差值在量级上呈现固定偏移规律就说明坐标被纠偏过。这时候别尝试在 QGIS 里手动平移找原始服务方拿回原始发布版。如果没有原始版唯一可靠路径是找基准点做地理配准但那套流程只适合小范围区域不适合全区路网。5.2 现象属性表打开全是问号路名等级全乱码数据加载进 QGIS 后属性表中文乱码CLASS字段里的“国道”变成一串问号筛选条件怎么写都匹配不到。原因Shapefile 的 DBF 文件使用 GBK 编码而 QGIS 默认按 UTF-8 读取。添加图层时没有指定编码中文全部被误解。解决在 QGIS“数据源管理器—编码”里手动选GBK或GB18030重新加载图层就能正常显示。想在源头杜绝这个问题用 3.1 节那条ogr2ogr -lco ENCODINGUTF-8把输入数据统一转成 UTF-8 版本之后所有软件打开都不会再遇到乱码。5.3 现象国道线不连续边界处断成两个线段做道路连通性分析时一条国道在行政区交界处断掉打断处间隔几十米网络分析直接把这条路判定为不连通。原因早期路网数据经常按行政区分幅采集拼接时只保证边界处几何衔接没有做节点合并或拓扑重建。两个要素在视觉上接近但端点并不是同一个节点。解决用v.clean toolbreak打断所有交点后再用v.clean toolsnap把距离小于阈值的端点吸附合并。阈值可以试 10 到 50 米设置太大会误连平行道路。修复后做一次连通性验证从任意一个端点出发做路径计算确认能走到数据最远端。5.4 现象几何类型混乱部分要素是MultiLineString属性表里有几段道路把一个完整国道拆成好几截几何类型有的是Line String有的是Multi Line String另有一些要素的几何为空。原因数据转换过程中多段线要素没有被正确合并导出时部分线几何退化成多部件甚至 Z 值缺失导致读取异常。解决在 QGIS 里用“修复几何”工具统一处理一遍把空几何清除、多部件转成单部件。批量处理用ogr2ogr加-nlt PROMOTE_TO_MULTI也能统一几何类型但空几何必须先行剔除否则转换时会报错中断。5.5 现象高速公路被拆得七零八落服务区和收费站混在道路层里做高速图层单独出图发现一条完整高速被拆成上百个线段且点状要素站点混在道路属性表里。原因数据源把服务区、收费站以点要素形式存储在同一个图层道路等级字段虽然标了高速但几何属性没有区分点和线。解决先按几何类型拆层——用GeomType字段区分点要素归到服务区点层线要素归到道路层。然后在道路层里按LEVEL highway做选择用“合并选中要素”工具手工或半自动把同一条高速的连续线段重新接回一条线。这个操作要人工抽查每一条高速因为自动合并可能会把平行且相近的上下行线也接在一起。6. 进阶玩法把DEM叠上路网做“能不能走”的预判路网数据本身只回答“哪里有路”但某高原区域这类高海拔地区大家更关心“这条路在什么条件下能走”。把 DEM 数字高程模型叠加到路网上用坡度做一次通行难度预判是 2021 年这份数据能发挥更大价值的方向。我在拿到路网图层后会先加载一份 30 米分辨率的 DEM在 QGIS 栅格计算器里用slope()函数生成坡度栅格再把坡度分成三档小于 8 度是平缓路段8 到 15 度是爬坡路段大于 15 度是陡坡路段。然后用栅格转矢量工具把陡坡区域提取成面和路网做相交叠置分析。相交出来的线就是“大概率存在陡坡风险”的路段。# 用 rasterstats 批量提取每条道路的平均坡度和最大坡度 from rasterstats import zonal_stats import geopandas as gpd roads gpd.read_file(高原区域_路网_level.shp, encodingutf-8) stats zonal_stats(roads, slope.tif, stats[mean, max], nodata-9999) roads[坡度均值] [s[mean] for s in stats] roads[坡度最大值] [s[max] for s in stats]zonal_stats对每个道路要素做栅格统计mean得到整条道路的平均坡度max揪出最陡的局部段。结合道路等级字段可以快速筛出“高等级但最大坡度超过 15 度”的路段这类位置往往是冬季封路或常发事故的路段值得进一步到现场核实。我自己在这个环节踩过两个坑一是栅格和矢量的坐标系不一致导致统计结果全部落空必须确保 slope.tif 和路网的 EPSG 代码完全一致二是nodata-9999如果漏掉DEM 的无值区域会参与统计把坡度值拉成异常的负数或极大值。每次跑完统计我都会手动挑高等级道路上的一条长路线和原始 DEM 对照目视检查一遍确认没出离谱数值。做数据的习惯好不好通常就体现在这一遍多花的三分钟里。希望这套流程能帮你在拿到路网数据后少走点弯路。本文还有配套的精品资源点击获取