2000年全国道路交通网SHP数据处理与GIS分析实战指南

简介：这份2000年全国道路交通网矢量图SHP数据包，面向从事交通地理研究、城市规划与GIS空间分析的科研人员及学生，用于还原2000年前后中国公路与铁路网络的分布格局。压缩包共48个文件，约7.08MB，以shp、shx、dbf、prj等Esri Shapefile核心格式为主，分别承载道路线段的几何坐标、索引、属性表与投影信息，并附带xml元数据及sbx、sbn空间索引文件，便于在ArcGIS、QGIS中直接加载与查询。数据按国道、铁路、高速三类要素分层组织，以polyline线要素表达路网走向，可支撑交通流分析、可达性测算与历史路网演变对比等研究。目前已有9333人学习下载，使用者需具备基础GIS操作能力，并注意数据源自北京大学城市与环境学院地理数据平台，公开发布时须规范引用。

1. 拿到一份 2000 年全国道路交通网 SHP，先别急着往 GIS 里拖

很多人第一次接触“2000 年全国道路交通网矢量图 SHP”这类数据，第一反应是双击打开、拖进软件、截图出图，结果要么属性表全是乱码，要么路网断成一截一截，要么坐标系飘到几千公里外。这份数据本质是一套按行政或图幅切分的 Shapefile 集合，核心价值在于它把 2000 年前后的国道、省道、县乡道以线要素形式固化下来，适合做历史路网密度对比、可达性建模、老地图底图叠加。它适合做区域规划、交通史研究、GIS 教学和时空数据可视化的人，不适合只想找一张“好看的路网图”当壁纸的人。真正要落地，先得把数据组织、坐标系、属性字段和拓扑质量这四件事摸清楚，否则后面所有分析都是沙上建塔。

2. 拆开压缩包先看什么：目录结构、编码与坐标系的三个确认动作

2.1 解压后先数文件：SHP 不是单个文件，而是一组同名兄弟

Shapefile 是 ESRI 早年定下的开放格式，一个完整的线要素图层至少包含.shp、.shx、.dbf三个文件，缺一不可。.shp存几何，.shx存索引，.dbf存属性表。如果还带.prj，那说明坐标系定义还在；如果带.cpg，说明属性表的字符编码有声明。很多流传的压缩包里.prj和.cpg经常丢失，打开后坐标是“无投影”状态，中文属性也会变成问号。

我一般拿到包先做三件事：列目录、看文件大小、检查同名文件是否齐全。下面这段 bash 命令可以直接在解压后的目录里跑，把每个图层的文件配套情况打出来。

# 进入解压后的目录，按文件名前缀分组统计配套文件 for prefix in $(ls *.shp 2>/dev/null | sed 's/\.shp$//'); do echo "=== 图层: $prefix ===" for ext in shp shx dbf prj cpg; do if [ -f "${prefix}.${ext}" ]; then size=$(du -h "${prefix}.${ext}" | cut -f1) echo " ${ext}: 存在 (${size})" else echo " ${ext}: 缺失" fi done done

这段脚本的逻辑是按.shp文件反推图层名，再逐个检查五个关键扩展名。参数上不需要额外输入，但要注意：如果目录里混有.shp.xml这种元数据文件，sed替换后不会误伤，因为只匹配.shp结尾。缺失.prj时不要慌，后面可以手动补坐标系；缺失.dbf就麻烦了，几何还在但属性全丢，只能当纯线画图用。

2.2 用 ogrinfo 读元数据：字段名、要素数、几何类型一次看清

确认文件齐全后，下一步是读元数据。GDAL 套件里的ogrinfo是命令行里最稳的工具，不依赖桌面软件，输出也干净。下面这条命令会打印图层摘要和字段定义。

# 查看单个图层的摘要信息 ogrinfo -so -al road_2000.shp # 如果目录下有多个图层，先列出所有图层名 ogrinfo -ro -q /path/to/folder

-so表示 summary only，只输出摘要不遍历要素；-al表示 all layers，对目录下所有图层生效。输出里重点看三行：Geometry: Line String确认是线要素；Feature Count看要素总数，全国路网通常在几十万到百万级；Extent看经纬度范围，如果出现-180, -90, 180, 90这种全球范围，说明坐标系没定义，软件按 WGS84 经纬度硬解了。

字段部分要留意中文属性是否正常显示。如果ogrinfo输出里字段值是乱码，但字段名是英文，那大概率是.dbf的代码页问题。常见做法是用ogr2ogr转一次，强制指定编码：

# 将 DBF 编码从 GBK 转为 UTF-8，输出为新文件 ogr2ogr -f "ESRI Shapefile" -lco ENCODING=UTF-8 road_2000_utf8.shp road_2000.shp

-lco ENCODING=UTF-8是图层创建选项，告诉驱动写出的.dbf用 UTF-8。如果原始数据是 GBK 编码但没带.cpg，GDAL 可能按 Latin-1 解读，转出来还是乱码，这时需要加-oo ENCODING=GBK指定输入编码。参数顺序不能反，-oo管输入，-lco管输出。

2.3 坐标系判定：没有 .prj 时怎么反推是地理坐标还是投影坐标

2000 年全国路网数据常见的坐标系有两种：一种是地理坐标系，单位是度，比如GCS_WGS_1984或GCS_Beijing_1954；另一种是投影坐标系，单位是米，比如Beijing_1954_GK_Zone_*或Xian_1980_GK_Zone_*。如果.prj丢了，怎么判断？

看坐标数值量级。用ogrinfo输出 Extent，如果经度在 73 到 135 之间、纬度在 3 到 54 之间，那是地理坐标，单位度。如果 X 坐标在几百万、Y 坐标在几百万到几千万，那是投影坐标，单位米。下面这段 Python 用fiona读第一个要素的坐标，直接打印量级。

import fiona with fiona.open("road_2000.shp") as src: # 读第一个要素的几何边界 first = next(iter(src)) print("几何类型:", first["geometry"]["type"]) print("坐标示例:", first["geometry"]["coordinates"][0][:2]) print("CRS 定义:", src.crs)

如果src.crs是空字典，说明没有.prj。此时根据坐标量级判断：度级坐标补EPSG:4326或EPSG:4214（北京54地理坐标），米级坐标补对应的高斯克吕格投影。补坐标系不要直接改.prj文本，用ogr2ogr重新投影或qgis里“另存为”指定 CRS 更稳。

提示：坐标系补错比不补更危险。不补只是显示位置不对，补错会导致面积、长度计算全部失真，而且很难从图上肉眼发现。

3. 把 SHP 跑进分析流程：从裁剪、投影到路网密度的最小可复现链路

3.1 按研究区裁剪：用 ogr2ogr 的 -clipsrc 做边界裁切

全国路网数据动辄几十万条线，直接做空间分析会拖慢每一步。常见做法是先按研究区边界裁剪。假设你有一个研究区的面文件study_area.shp，下面这条命令把路网裁到该范围内。

# 用面边界裁剪路网，输出为新的 Shapefile ogr2ogr -f "ESRI Shapefile" \ -clipsrc study_area.shp \ -clipsrclayer study_area \ road_clipped.shp \ road_2000.shp

-clipsrc指定裁剪源，可以是面文件也可以是经纬度范围。-clipsrclayer在裁剪源是多图层时指定具体图层名。输出文件只保留与裁剪面相交的线要素，属性表原样保留。注意裁剪不会打断线，跨边界的线会被整条保留或整条丢弃，取决于相交判断。如果要做精确的边界截断，得用-clipsrc配合-nlt MULTILINESTRING或者转到 PostGIS 里用ST_Intersection。

裁剪后要素数会大幅下降，可以用ogrinfo -so对比前后数量，确认裁剪生效。

3.2 投影转换：把地理坐标转成等面积投影再做密度计算

路网密度计算必须用投影坐标，因为“度”不是长度单位。全国范围常用Albers等面积投影，参数如下：

# 将 WGS84 地理坐标转为 Albers 等面积投影 ogr2ogr -f "ESRI Shapefile" \ -t_srs "+proj=aea +lat_1=25 +lat_2=47 +lat_0=0 +lon_0=105 +x_0=0 +y_0=0 +datum=WGS84 +units=m +no_defs" \ road_albers.shp \ road_clipped.shp

+lat_1和+lat_2是标准纬线，取 25 和 47 能覆盖中国大部分区域，变形较小。+lon_0=105是中央经线。+units=m确保输出单位是米。转换后可以用ogrinfo -so看 Extent，X 和 Y 应该变成百万级数值。

如果原始数据是北京54或西安80，+datum要相应改成Beijing_1954或Xian_1980，并且需要七参数或三参数转换，不能只改+datum了事。没有转换参数时，近似处理会带来几十到上百米偏移，做小区域分析时要注意。

3.3 路网密度计算：用 QGIS 字段计算器或 Python 脚本算线密度

路网密度通常定义为单位面积内的道路长度，单位 km/km²。在 QGIS 里可以用“字段计算器”给每条线算长度，再按格网汇总。命令行方式用geopandas更可控：

import geopandas as gpd import numpy as np # 读投影后的路网 roads = gpd.read_file("road_albers.shp") # 计算每条线的长度，单位米 roads["length_m"] = roads.geometry.length # 按道路等级分组统计总长度 summary = roads.groupby("road_class")["length_m"].sum() / 1000.0 print(summary)

roads.geometry.length在投影坐标下返回米，除以 1000 得公里。road_class是属性表里的道路等级字段，不同数据里可能叫CLASS、TYPE、等级，先用ogrinfo确认字段名。如果要做格网密度，用geopandas.overlay把路网与格网相交，再按格网 ID 汇总长度除以格网面积。

注意：线密度对格网大小很敏感。格网太大，密度被平均掉；格网太小，很多格网没有路，密度为零。常见做法是取 1km×1km 或 5km×5km，根据研究尺度调整。

4. 避坑与排查：路网数据最常见的五类翻车现场

4.1 属性表中文乱码，字段值全是问号或方块

现象：用 QGIS 打开.dbf，中文路名显示为????或\xca\xa1这类转义字符。原因：.dbf文件头里的代码页标记丢失或错误，GDAL 按默认 Latin-1 解码。解决：先用ogrinfo确认字段名是否正常，如果字段名正常只有值乱码，用ogr2ogr加-oo ENCODING=GBK转一次；如果字段名也乱，说明整个 DBF 头有问题，用 LibreOffice 打开.dbf另存为 CSV，再重新关联几何。

4.2 路网断线严重，交叉口不连通

现象：做网络分析时，明明两条路在图上相交，但拓扑上不连通，最短路径绕远。原因：原始数据采集时按路段独立数字化，交叉口没有打断，或者打断后节点坐标有微小偏差。解决：用GRASS GIS的v.clean工具做break和snap，容差设 0.001 米到 0.01 米之间。QGIS 里可以用“处理工具箱”里的“打断相交线”和“吸附几何”。

4.3 坐标系缺失导致面积和长度计算全错

现象：在 QGIS 里量一条国道长度，显示 0.5 度，而不是 500 公里。原因：图层没有.prj，QGIS 按地理坐标算长度，单位是度。解决：先判断坐标量级，补上正确 CRS，再用“另存为”投影到等面积坐标系。不要直接在原图层上改 CRS，那只是改标签，不改坐标值。

4.4 裁剪后属性表字段丢失或类型变化

现象：用ogr2ogr -clipsrc裁剪后，原本的整型字段变成字符串，或者某些字段消失。原因：Shapefile 的 DBF 字段名最长 10 个字符，裁剪时如果字段名冲突会被截断或重命名。解决：裁剪前先用ogr2ogr把数据转成 GeoPackage 或 GeoJSON，这些格式字段名限制少，裁剪后再转回 Shapefile。或者裁剪时加-sql显式选择字段。

4.5 大数据量下内存溢出或处理超时

现象：用 Python 读全国路网时进程被系统杀掉，或者 QGIS 卡死。原因：Shapefile 驱动一次性把全部要素读进内存，几十万条线加上属性表很容易超过 2GB。解决：分块处理，用fiona的filter按边界框逐块读，或者先按省裁剪成小文件再逐个处理。QGIS 里可以开启“渲染缓存”并降低缩放级别，避免全量渲染。

5. 进阶用法：把 2000 年路网和后续年份做叠加，验证变化检测的精度边界

5.1 多期路网叠加的字段对齐与几何匹配

手头如果有 2010 年或 2020 年的路网数据，想算新增道路里程，不能直接相减。不同年份的数据可能来自不同采集标准，道路等级分类、字段名、坐标系都不一样。我一般先做三件事：统一投影到同一 Albers 坐标系；把道路等级字段映射到一套自定义分类；用geopandas.sjoin做空间连接，找出 2000 年没有而后续年份有的路段。

import geopandas as gpd # 读两期数据，统一投影 roads_2000 = gpd.read_file("road_2000_albers.shp").to_crs("EPSG:3857") roads_2020 = gpd.read_file("road_2020_albers.shp").to_crs("EPSG:3857") # 用 100 米缓冲区做空间连接，判断 2020 年路段是否在 2000 年路网附近 buf_2000 = roads_2000.copy() buf_2000["geometry"] = buf_2000.geometry.buffer(100) joined = gpd.sjoin(roads_2020, buf_2000, how="left", predicate="intersects") # 没有匹配上的就是新增路段 new_roads = joined[joined["index_right"].isna()] print("新增路段数:", len(new_roads))

buffer(100)的 100 米是经验值，用于容忍两期数据采集时的位置偏差。太小会误判新增，太大会漏判。predicate="intersects"表示只要相交就算匹配。index_right为空说明该 2020 年路段在 2000 年路网 100 米范围内没有对应线。

5.2 变化检测的精度验证：抽样人工核对与混淆矩阵

自动算出来的新增路段数不能直接信。我习惯抽 5% 的样本，叠加到影像或老地图上人工看。如果新增路段里混有大量因位置偏移导致的假新增，就要调整缓冲距离或改用 Hausdorff 距离做匹配。下面这个表是我在某次模拟项目里用的验证记录格式，读者可以照着建自己的核对表。

偏差原因里“位置偏移”最常见，尤其是早期数据数字化精度不高时。如果偏移导致的假新增超过 20%，缓冲距离要重新调，或者改用拓扑匹配算法。

5.3 一个具体技巧：用道路等级加权算可达性，而不是只看密度

路网密度只反映“有多少路”，不反映“路好不好走”。做可达性分析时，我一般给不同等级道路赋不同速度，再算从某点到最近医院或学校的通行时间。2000 年数据里如果属性表有道路等级字段，可以直接映射：国道 80 km/h，省道 60 km/h，县道 40 km/h，乡道 20 km/h。没有等级字段时，用道路长度和弯曲度做粗略推断，但精度会打折扣。

# 按道路等级赋速度，计算通行时间 speed_map = {"国道": 80, "省道": 60, "县道": 40, "乡道": 20} roads["speed_kmh"] = roads["road_class"].map(speed_map).fillna(30) roads["travel_time_h"] = roads["length_m"] / 1000.0 / roads["speed_kmh"] print(roads[["road_class", "length_m", "travel_time_h"]].head())

fillna(30)是给没有等级的路段一个默认速度，避免空值导致计算中断。travel_time_h是小时数，后续可以用网络分析工具做最短时间路径。

这套流程跑下来，最大的教训是：历史路网数据的价值不在“图好看”，而在“属性全、拓扑通、坐标对”。我见过太多人把 SHP 拖进软件截个图就完事，结果真要算指标时发现字段是空的、线是断的、坐标是飘的。如果你打算认真用这份 2000 年路网数据，先把第 2 章的三个确认动作做一遍，再按第 3 章的链路跑通一次裁剪和投影，后面所有分析都会顺很多。希望帮到你。

本文还有配套的精品资源，点击获取