简介针对城市交通分析与出行决策场景这份源码包面向需要调用百度、高德开放API获取实时交通态势的开发者、数据分析师及相关专业学生解决道路拥堵、事故、管制等信息的自动化采集与展示问题。资源共559个文件压缩包仅2.65MB以502个Python脚本为主体同时包含xml接口配置、txt说明、可执行组件与虚拟环境文件便于直接运行和二次修改。目前已有336人学习浏览。源码覆盖了从应用注册、API Key配置、HTTP请求构造到JSON/XML返回值解析、数据清洗落库以及基于地图的可视化展示与定时刷新机制完整串联实时交通数据的获取闭环随包还附有执行操作说明文档能显著降低对接地图服务接口的入门门槛。适合希望快速搭建交通态势获取原型、开展课程设计、课题预研或智能交通相关应用的读者。 如果你和我一样做过路况大屏、物流调度系统或者任何跟地图可视化沾边的项目迟早会卡在同一个问题上百度、高德天天都在展示实时交通态势但这些数据到底怎么拿我整理了一份可复用的获取百度高德实时交通态势数据源码把官方API接入、路况瓦片解析、坐标转换、批量调度这些环节串成了一条完整链路。这篇文章就把完整思路和踩过的坑一次说清楚适合刚接触地图数据的开发者也适合被路况图层、坐标偏移折磨过的人。先说清楚这份源码解决什么问题不依赖人工去地图上看颜色而是用程序自动按区域、按城市去抓取百度地图和高德地图的实时路况信息输出成结构化数据或者可视化图层。下面从需求拆解开始讲。1. 先拆需求实时交通态势到底是什么1.1 一份交通态势数据里包含什么很多人一上来就搜“路况数据”但没想明白自己要的到底是哪一种数据。实时交通态势在两家地图里通常包含三层信息路况等级畅通、缓行、拥堵、严重拥堵这是最核心的字段后端往往会用数字标记比如高德用 1 畅通、2 缓行、3 拥堵、4 严重拥堵。道路范围与方向拥堵发生在哪条路上方向是什么路段从哪到哪。这是做路径分析、拥堵预警的前提。附加事件信息事故、施工、管制等事件这类数据在API里往往属于高级字段配额和权限要求更高。我在实际项目里发现很多需求方嘴上说“要路况数据”实际只要“在页面上把红色黄色小线段叠到底图上”那本质上要的是路况瓦片而不是结构化API数据。需求没拆清楚方案就会选错。1.2 三条获取路径先别急着写代码结合我自己的实践和踩坑获取路径主要分三类路径数据形态实时性成本适用场景官方Web服务API结构化JSON高分钟级有配额限制路径分析、路况统计、事件告警地图瓦片图层图片/矢量瓦片高流量成本和风控风险需评估大屏底图叠加、可视化展示第三方商业数据处理好的道路流数据取决于供应商高科研、规模化生产系统对大部分开发者和中小企业来说最现实的做法是两条腿走路小规模、强逻辑的场景用官方API大规模、偏展示的场景用瓦片。接下来详细讲方案选型。2. 方案选型官方API和路况瓦片怎么搭配2.1 官方API合规但配额是硬约束百度地图和高德地图都提供了交通态势相关的Web服务API接入前需要先到开放平台申请Key。这类API的好处是返回结构清晰、坐标系标准、合规风险低适合做数据入库和二次加工。高德的交通态势API支持按矩形区域查询参数里传左下角和右上角的经纬度坐标对返回这个范围内的道路交通状态。百度也有类似的交通态势服务但参数细节和返回字段跟高德不完全一样接入时必须以开放平台最新文档为准不要照搬旧博客里的代码。这里必须提醒一个容易忽视的点官方API有QPS每秒请求数和日调用量双重限制。免费配额做演示没问题但你要是想跑一个城市级的全量路况几万条路段一次性拉完大概率触发限流。我第一版就吃了这个亏不做并发调度直接循环请求跑到三分之一开始报错。2.2 路况瓦片可视化场景的最优解如果说官方API解决的是“数据入库”那瓦片解决的就是“人眼看图”。地图App上的红黄绿线段本质上是独立的交通态势瓦片图层叠加在底图上。前端通过标准XYZ瓦片地址就能拿到对应级别、对应坐标范围的路况图片。用瓦片方案有两个天然优势一是省掉后端解析道路几何的复杂工作前端叠加显示非常方便二是实时性完全由地图厂商保障你拿到的就是和App基本同步的态势图。但瓦片方案也有明显短板它是图片或栅格数据不是结构化矢量没法直接算“哪条路拥堵多少米”。如果你要的是道路级数据还得走API或者自己做图像识别和矢量化复杂度完全不是一个量级。2.3 坐标系是绕不开的基础课做百度和高德地图数据必须搞清楚坐标系差异这是最容易踩坑、也最容易被新手忽略的地方。高德地图使用的是GCJ-02坐标系俗称“火星坐标”百度地图在GCJ-02基础上又做了一层二次偏移叫BD-09。而GPS原始数据通常是WGS-84坐标。简单记就是同样一个经纬度在这三个坐标系下表示的不是地图上同一个点。底图用高德数据却是GPS采集的WGS-84坐标画出来的路况轨迹就会整体偏出去几十米到几百米。我的处理原则是跟高德对接就统一用GCJ-02跟百度对接就统一用BD-09如果需要跟GPS数据或其他开源底图配套必须先做坐标转换再参与计算。坐标转换算法是公开的网上也有现成库但不建议用一堆魔法数字拼出来的野代码找社区维护时间长的库更稳妥。3. 核心实现源码从请求到落库再到可视化3.1 官方交通态势API接入高德示例我以高德的交通态势API为例给出一段可直接跑的Python代码。首先去高德开放平台申请Key然后按矩形区域查询交通态势数据。import requests API_URL https://restapi.amap.com/v3/traffic/status/rectangle params { key: {你的高德Key}, # 左下角经纬度;右上角经纬度 rectangle: 116.350135,39.910488;116.405626,39.951169, extensions: base } resp requests.get(API_URL, paramsparams, timeout5) data resp.json() if data.get(status) 1: traffic_info data.get(trafficinfo, {}) roads traffic_info.get(roads, []) print(f路段数量: {len(roads)}) for road in roads[:5]: print(road.get(name), road.get(status)) else: print(请求失败:, data.get(info))返回结果里每一条road都带有道路名、起点终点坐标、速度、状态等字段。这里的status字段就对应我前面说的路况等级。拿到这些数据之后就可以写入数据库做统计分析或者通过MQ推给下游服务。如果你要覆盖一个大城市一个矩形框肯定不够建议把城市切分成多个小矩形并发请求。这里要注意控制并发数别一上来开50个线程裸奔很容易触发限流。我一般使用线程池同时配合一个简单的请求间隔控制每请求一次sleep 0.1到0.2秒并根据返回结果动态调整。3.2 路况瓦片批量抓取与路况等级判定瓦片方案的核心是看明白浏览器里地图请求了哪些图片。先别急着写代码打开百度或高德地图页面按F12打开开发者工具切到Network面板拖动地图过滤图片请求就能看到大量瓦片地址。高德的交通态势瓦片一般是在底图瓦片URL基础上增加traffic相关参数或者是独立的瓦片服务地址具体URL请以你抓到的实际请求为准。拿到瓦片URL规律后批量抓取就变成纯粹的HTTP请求加上瓦片编号计算。瓦片编号规则可以看下面这张伪代码逻辑def get_tile_url(x, y, z): # 高德示例域名中的序号可按实际抓包结果调整 return fhttps://tm{0}.is.autonavi.com/appmaptile?x{x}y{y}z{z}langzh_cnsize1scale1style8traffic1 def download_tile(x, y, z): url get_tile_url(x, y, z) resp requests.get(url, headers{User-Agent: Mozilla/5.0}, timeout5) if resp.status_code 200: with open(ftiles/{z}_{x}_{y}.png, wb) as f: f.write(resp.content)抓下来的瓦片核心工作是把颜色映射成路况等级。交通态势瓦片的颜色约定基本是一致的绿色代表畅通、黄色代表缓行、红色代表拥堵、深红色代表严重拥堵。用Pillow库读瓦片像素统计色值分布就能按比例算出这个区域的路况指数。这里有个实际操作心得不要对整张瓦片做像素遍历效率太低。应该先做一个颜色映射表把“接近绿色”“接近黄色”“接近红色”的颜色区间量化然后统计每个区间的像素占比。占比最高的颜色就是这个瓦片的主路况等级。我当时用这个方法处理一个城市的瓦片一台普通机器几分钟就能全跑完。3.3 坐标转换与Cesium箭头效果落地拿到瓦片和路况等级之后如果你要在自己的可视化项目里做路况叠加需要把瓦片像素坐标换算成地理坐标再做叠加。以Cesium为例Cesium默认使用WGS-84坐标系而高德瓦片是基于GCJ-02的直接叠加会出现偏离。解决的思路是要么把高德瓦片转成WGS-84坐标系后再贴到Cesium上要么用Cesium的坐标系偏移方案做临时对齐。前者严谨但工作量大后者简单但精度有限生产环境建议用前者。很多同学看到高德地图的路况箭头效果很酷以为是用箭头图标贴图做的。其实高德的路况箭头是每个路段上的方向指示符号背后对应的是道路的通行方向和拓扑关系。想在Cesium里实现类似效果我用的方案是先把路网矢量数据拿到然后对每段道路生成Polyline配合Cesium的PolylineArrowMaterialProperty材质让线条带方向箭头。这个方案的箭头方向和道路通行方向保持一致视觉上比较贴近高德的原生效果。如果你的瓦片数据里没有方向信息那就只能在关键路段手动维护方向数据或者用道路中心线的走向推算一个近似方向。4. 常见问题与排查实录4.1 瓦片加载不出来先怀疑URL拼错我见过最多的问题是新人在网上下了一段瓦片URL直接复制到代码里跑结果返回403或者空白。这多半是因为瓦片服务有域名随机分配、请求头校验、URL过期这些机制。正确做法是自己在浏览器里抓包分析当前请求的完整地址、请求头、Referer字段然后原样复刻到代码里。高德瓦片URL里的子域名通常有多个序号比如tm0、tm1、tm2某些区域或账号情况下不同的子域名对应的瓦片源不完全一致。遇到加载失败时可以尝试换一个子域名这是我在项目中实际踩过的一个坑。4.2 批量请求被限流怎么规避被限流的典型表现是前面几百个请求正常后面突然连续报错或者图片内容变成统一占位图。这通常是QPS超了或者短时间内请求量超过风控阈值。我的排查思路是确认官方文档写的QPS上限把并发数和请求间隔控制在上限的一半以内留出冗余。对HTTP状态码做分类处理遇到429或503时不要立即重试先等待几秒再做指数退避。请求模块设计成可动态调节吞吐的模式比如用Python的信号量或者队列加多个worker方便现场调参。4.3 路况图层和底图错位优先检查坐标系如果你发现抓取到的路况瓦片在自己的地图上偏移别怀疑是地图缩放级别不对99%是坐标系不匹配。高德的瓦片应该放在GCJ-02底图上百度瓦片应该放在BD-09底图上GPS数据要放到WGS-84底图上。混用就会出现“道路在空中”的错位现象。排查办法也简单拿一张路况瓦片对比同一区域的高德底图和WGS-84底图看道路和背景道路是否重合。重合说明坐标系匹配偏移则说明需要转换。4.4 用QGIS快速验证瓦片地址是否有效我不建议一上来就写程序调试瓦片URL先用QGIS可以把验证时间大幅缩短。QGIS支持XYZ Tiles方式添加自定义地图服务你把从抓包拿到的瓦片模板地址填进去如果能在QGIS里正常加载说明URL规律没弄错再去写批量下载脚本就非常有把握了。另外QGIS也适合做瓦片拼接结果的人工判读下载完一批瓦片用QGIS加载预览出现缝隙、黑块、颜色不对都能一眼看出来比写代码输出日志直观得多。我在实际项目里最大的体会是获取百度、高德的实时交通态势数据难点从来不在于“发请求”而在于把坐标系、瓦片规则、配额控制、像素解析这些琐碎环节串起来。官方API适合做精确实时数据入库瓦片方案适合做大屏展示和态势叠加两者配合使用基本能覆盖绝大多数业务场景。第一次做的时候建议先单点验证再小范围批量最后再铺开到整个城市这样排查问题时会轻松很多。本文还有配套的精品资源点击获取