简介：面向地理信息数据处理、城市规划与交通分析等场景，这份北京市道路矢量数据包将不同等级和来源的道路统一整理，弥补了市面数据分散、分级不够细致的痛点。压缩包共97个文件，以Shapefile格式为主，包含shp、shx、dbf、prj等核心组成，以及sbn、sbx空间索引与xml元数据辅助文件，配有一张预览图，整体大小约25.48MB，目前已有841人学习下载。数据具体涵盖城市一级至四级道路，高速、国道、省道、县道、乡道等行政等级道路，另有OSM来源的铁路（含地铁、轻轨等）与各级道路图层，共16种矢量数据。这些图层既有重叠也相互补充，可支撑电子地图配图、路网结构对比、交通可达性分析及地理信息教学练习，帮助需要精细到乡道一级开展研究的用户省去逐级爬取与配准的重复工作，直接作为底图或分析输入使用。
1. "精确到乡道"的北京道路矢量数据，先看清它在实战里的分量
拿到一个名为"北京市道路数据最新分级精确到乡道矢量数据.rar"的压缩包，多数人先关心的不是解压口令，而是"精确到乡道"在实战里意味着什么。对做交通分析、地图渲染或路径规划的工程师来说，这句话基本等于在说：这份矢量数据的路网完整度被筛过，行政等级保留到乡道，村道和更细的机耕道不在其中，后续计算规模的量级直接因此降了下来。北京这类城市的道路数据来源很多，各家差别恰恰集中在乡道以下级别的收录策略。要用好这份数据，得依次解决四件事：解压拿到有效文件、找到分级字段、验证几何质量、把结果送进下游系统。接下来就按这条线往下走。
2. 为什么道路数据总以 .rar 分发，解压前要确认的编码、分卷和密码问题
2.1 .rar 在矢量数据分发场景中的三个现实理由
先回答一个很实际的问题：为什么是 .rar 而不是 .zip？早期测绘数据从交换拷贝时代延续下来的习惯是一方面，更重要的原因是矢量数据源文件的重复字节较多，rar 算法压缩下来通常比 zip 再小一截。一个北京市全路网级的 shapefile 数据集，即使精简到乡道，附带 .dbf 属性表、.shx 空间索引、.prj 坐标描述，整体体积也可能达到几百 MB，压缩率在千兆网普及之前是实打实的传输收益。
另一个理由是分卷。较大的 rar 文件在工作流里经常被分割成固定大小的分卷，压缩包列表里会看到"数据.part1.rar、数据.part2.rar"这样的命名，解压时所有分卷必须放在同一目录。如果只拿到其中一卷，测试命令会立刻报缺失或损坏，这是这类数据包最常见的坑，不是数据坏了，是分卷没齐。
第三个理由是历史兼容性。相当一部分老数据系统只维护 rar 分发流程，压缩参数和命名规则沉淀在内部文档里，数据生产方不会为了分发格式单独改脚本。所以拿到 .rar 先别忙着吐槽，按下面的流程走完，两分钟就能确认这包数据能不能用。
2.2 用 7-Zip 和 unrar 完成测试、解压与分卷校验
无论 Windows 上手工解压还是在 Linux 服务器上处理，都建议先用一条命令做完整性测试，再真正解压。测试的意义在于：分卷不全会报错、网络传输导致的坏块会被尽早发现，而不是等解压到一半才中断。下面两条命令覆盖"检查"和"解压"两个动作：
7z t 北京市道路数据最新分级精确到乡道矢量数据.rar unrar t 北京市道路数据最新分级精确到乡道矢量数据.rar 7z x 北京市道路数据最新分级精确到乡道矢量数据.rar -o./files -y unrar x -p- 北京市道路数据最新分级精确到乡道矢量数据.rar ./files/参数说明：t是 test 测试模式；x表示保留压缩包内目录结构完整解压；-o./files在 7-Zip 中指定输出目录，注意-o后面不能有空格；-y自动应答全部确认提示；unrar 里的-p-表示不附加密码尝试直接解压，如果文件真有密码，命令会明确提示错误而不是静默产出半截文件。检查输出中是否出现 "All OK"，只要有一个分卷缺失，输出的退出码就不是 0。
| 工具 | 常用命令 | 适用场景 | 注意点 |
|---|---|---|---|
| unrar | unrar x | 完整解压并恢复目录结构 | 分卷文件必须同名同目录 |
| 7z | 7z t | 大文件解压前做完整性体检 | 能识别 rar 全部分卷格式 |
| rar | rar r | 尝试修复损坏的 rar | 仅对带恢复记录的包有效 |
测试通过后再解压，可以省掉大量返工。解压后正常的矢量数据集至少应包含.shp、.dbf、.shx、.prj四个文件，有时还有.cpg、.sbn、.sbx。.shp存几何坐标，.dbf存属性表，.shx是几何索引，.prj里是坐标系 WKT 描述。缺任何一块，后续 GDAL 处理都会报警告，所以解压完先看文件清单这一步不能省。
2.3 中文文件名乱码和 rar 密码：两个绕不开的编解码问题
Linux 下用 7z 解压这类数据，最常见的现象是解压出来的 .shp、.dbf 文件名变成乱码，本质是压缩包内部记录文件名用的仍是 GBK 编码，而系统 locale 默认是 UTF-8。处理办法分三个层次：一是解压前用7z l查看包内列表，确认是否存在乱码；二是 Windows 下用 WinRAR 或 Bandizip 这类自动处理 GBK 文件名的工具解压；三是 Linux 下解压后用 convmv 做文件名转码，例如convmv -f GBK -t UTF-8 --notest ./files/*。注意文件名转码只解决文件名，.dbf 内部字段的中文编码是另一回事，到第 3 节处理属性表时还需要单独设置编码。
密码这块需要说清边界。自己做好的数据压缩包忘记密码，可以用字典碰运气；网上能搜到的 rar password cracker 类工具本质是暴力穷举和字典碰撞，对随机生成的强密码基本没有成功率可言。更常见的问题反而出在来源不明的数据包上——这类破解工具下载站经常捆绑广告程序，为了一个大概率解不开的密码去搭上机器安全不值得。解压密码是否正确，用第 2.2 节的t命令几秒钟就能判断，第一选择永远是找数据提供方核对，而不是花几小时去跑暴力破解。
3. 用 GDAL/OGR 读取分级字段，按乡道以上筛选北京道路矢量数据
3.1 别猜字段名：先用 ogrinfo 摸清属性表的值域
拿到 shp 后的第一件事不是急着过滤，而是先看属性表里有哪些字段、字段值长什么样。不同来源的矢量道路数据，分级字段命名差别极大：有的叫"等级"，有的叫 "ROADCLASS"，有的直接用数字代码 1 到 7。先跑两条 ogrinfo 把图层元信息和前几条要素打出来：
ogrinfo -so -al beijing_road.shp ogrinfo -al -sql "SELECT * FROM beijing_road LIMIT 5" beijing_road.shp第一条命令中-so表示只要概要信息，会列出字段名、字段类型和空间参考；第二条用 SQL 方言取前 5 条记录，重点看输出里哪一列的值出现"国道""省道""县道""乡道"字样或对应的字母代码。注意 shp 属性表编码若是 GBK，输出中文会乱码，执行前先设置export SHAPE_ENCODING="CP936"再跑，显示就正常了。
摸字段这一步很容易被人跳过，但它决定了整条处理链路是否成立。有一次我看到一个数据包命名为"road_level"，实际字段内容却存的是道路名称和编号，"level" 列根本不存在，直接套过滤条件的结果是把全部要素都丢掉了。所以无论如何，先看一次值域分布再写条件。
3.2 把分级规则翻译成一条过滤 SQL，剔除乡道以下要素
分级字段确认下来后，过滤逻辑就简单了。标准的行政等级道路编码里，国道用 G 开头、省道用 S、县道用 X、乡道用 Y。如果属性列直接是这类代码，保留国道到乡道的条件写成LEV IN ('G','S','X','Y')即可。实际数据常把道路写为"国道""省道"等中文值，这时先把图层导入 GeoPackage，再用 UTF-8 条件下的过滤更稳妥，绕开 dbf 编码带来的中文匹配难题。经典做法：
ogr2ogr -f GeoPackage Beijing_road.gpkg beijing_road.shp -nlt LINESTRING -lco GEOMETRY_NAME=geom -sql "SELECT * FROM beijing_road WHERE LEV IN ('G','S','X','Y')"这句命令做的事：读取 beijing_road.shp，只保留 LEV 字段值为 G、S、X、Y 的要素，几何类型限定为 LINESTRING，写出到 GeoPackage。写 GeoPackage 而不是保留 shp，是为了避开文件超过 2GB 和字段名截断这两个老问题。筛选完成后务必看要素数变化：如果过滤前后数量几乎不变，多半是字段名判断错了，需要回到 3.1 用 DISTINCT 查值域：
ogrinfo -dialect sqlite -sql "SELECT DISTINCT LEV, COUNT(*) FROM beijing_road GROUP BY LEV" beijing_road.shp这条语句按等级分组统计每个等级有多少条要素，是判断数据是否名副其实"分级精确到乡道"的最直接证据。分组结果里如果出现"村道""等外公路"或 5、6、7 这类编码，说明数据收录范围超过了乡道；反向情况是只有国道、省道、县道、乡道四组，说明源数据在整理阶段已经做过一次分级清洗。
提示：有的数据源把乡道和村道混在同一等级值里，分级字段写"精确到乡道"并不保证值域干净，DISTINCT 统计是最快的体检方式。
3.3 用 Python 批量处理多个分幅的 shp 文件
北京市的道路数据经常按区或按图幅切分，几十个 shp 文件分散在不同目录。逐个跑 ogr2ogr 不现实，我一般用一个小脚本批量处理，同时把处理日志写下来便于核验：
from osgeo import ogr def filter_road_level(src_shp, dst_gpkg, level_col, keep_levels): src = ogr.Open(src_shp) lyr = src.GetLayer(0) dst = ogr.GetDriverByName("GPKG").CreateDataSource(dst_gpkg) out_lyr = dst.CreateLayer("roads", lyr.GetSpatialRef(), ogr.wkbLineString) for field in lyr.schema: out_lyr.CreateField(field) keep = set(keep_levels) for feat in lyr: if feat.GetField(level_col) in keep: out_feat = ogr.Feature(out_lyr.GetLayerDefn()) out_feat.SetGeometry(feat.GetGeometryRef()) for i in range(feat.GetFieldCount()): out_feat.SetField(i, feat.GetField(i)) out_lyr.CreateFeature(out_feat) src = None dst = None代码逻辑：遍历源图层的每个要素，检查分级字段值是否落在白名单集合里，命中才复制几何和属性到输出图层。把level_col和keep_levels作为参数传进来，不同来源的数据只要改这两个值就能复用。字段名大小写、名称里的空格是脚本最常见的报错来源，建议在脚本开头把图层定义里的字段名打印出来人工核对一遍，再执行批量任务。
到这里，数据在逻辑上已经变成"北京乡道以上路网"。但逻辑干净不等于几何干净，属性对不代表空间对。下一步转到坐标参考和几何质量检查，这决定了数据能不能直接进入分析管线。
4. 坐标参考核对与几何有效性检查：让乡道矢量数据经得起放大
4.1 先看 prj，再用范围判断坐标系是否被错误定义
打开 shp 旁边的 .prj 文件，里面是一段 WKT 字符串，写明了坐标系。北京的道路数据常见三种情况：CGCS2000 下按 3 度分带的投影坐标、直接使用 WGS84 经纬度、以及早期测绘成果里的北京地方坐标系。如果 .prj 缺失，GDAL 会默认按 EPSG:4326 读取，但坐标值可能是投影的米制单位，叠加时会出现两三百公里的偏移。判断方法：用ogrinfo -so -al看 Extent，若 x 坐标是 116 左右、y 坐标在 40 左右的小数，大概率是地理坐标；若 x 坐标达到几十万到几百万量级，则是投影坐标。
拿不准时用 gdalsrsinfo 把源数据坐标系统和候选坐标系打印出来对比：
gdalsrsinfo beijing_road.shp python3 -c "from osgeo import osr; s=osr.SpatialReference(); s.ImportFromEPSG(4547); print(s.ExportToPrettyWkt())"gdalsrsinfo 输出里如果出现 "PROJCRS" 字样，说明投影坐标定义完整；如果打印的是 "GEOGCRS"，说明数据本身就是经纬度。把两者并排看，能快速确认源数据和目标实际使用的坐标系是否一致。项目落地时最好统一转成 CGCS2000 或 WGS84 中的一种，避免多个图层叠加时出现错位。示例代码里的 EPSG 编号需要根据 .prj 里实际描述的坐标系替换，不要直接照抄。
"最新"这个词在标题里很显眼，但它只代表数据生产方整理入库的时间，不代表几何和现状完全一致。坐标系对了，还要跟现势影像做叠加抽检，这一步放到 4.3 展开。
4.2 用 PostGIS 批量检查自相交、重复线段与悬挂节点
路网数据的几何错误主要集中在三类：自相交、重复要素、悬挂节点。这些错误制图时肉眼很难看出来，一旦落入最短路径或网络分析流程，就会产生假路口、不可达路点。PostGIS 里一条 SQL 就能把自相交问题要素找出来：
SELECT gid, ST_IsValidReason(geom) AS reason, ST_IsSimple(geom) AS is_simple FROM roads WHERE NOT ST_IsValid(geom) OR NOT ST_IsSimple(geom) LIMIT 50;线要素真正要关注的是ST_IsSimple，它报告线是否自相交；ST_IsValid主要用于面要素。输出里is_simple为 false 时，常见原因是 "Self-intersection"。修复可以调用ST_MakeValid(geom)，但要注意它对线要素的处理方式是把自相交的线拆成多段，修复后必须重新核对要素数，确认没有改变路网语义。比修复更重要的习惯是：在导入 PostGIS 时记录出问题要素占总数的比例，低于千分之一可接受，达到百分之几就要回到数据源头修正，不能在这份数据上硬做分析。
导入 PostGIS 用 shp2pgsql 或 ogr2ogr 都行，给出标准做法：
ogr2ogr -f PostgreSQL "PG:host=127.0.0.1 dbname=road user=gis password=***" beijing_road.shp -nln beijing_road -lco SCHEMA=public导入后必须给几何字段建空间索引，CREATE INDEX idx_roads_geom ON beijing_road USING GIST(geom);，否则后续叠加查询必然卡死。
4.3 叠加天地图影像做抽检，验证"最新"到什么程度
几何检查通过后，把数据放到 QGIS 里叠加影像底图。国内场景下我习惯加载天地图 WMTS 影像服务，申请一个tk参数代表的 Key，在 QGIS 的 XYZ Tiles 里添加服务地址，配置方式就是普通的 XYZ 模板，把{z}/{x}/{y}替换到大类地址里。注意 Key 是个人申请的凭证，不要写进公开交付文档。
抽检方法比选底图更重要。任意找几处近年新通车的道路：跨河桥梁、高速匝道、新开发区的内部联系路，逐条对比矢量线和影像上的道路中线是否重合。数据里有影像上没有的道路，说明数据更新早于影像；影像上有数据里没有，说明这份"最新"分级数据的覆盖不完整，需要找数据源补充。抽检时把比例尺放到 1:2000 以上，重点看道路交叉口。发现平行双线间距异常、匝道与主路断头这类情况，多半是原始采集精度不足或拓扑未打断，不影响制图，但会影响后续算路，需要记录到问题清单里统一决定修还是忽略。
5. 把乡道以上路网矢量数据落成服务或入库算路，收尾的两个高频验证动作
数据检查完毕后，实际项目里最常出现的两个需求是交付和算路，这两个场景各自有一个收尾动作值得固化下来。
5.1 输出 GeoPackage 替换 shp，摆脱体积、字段和中文编码三重限制
shp 在三方面让人头疼：单文件超过 2GB 会报错、字段名被截断成 10 个字符、属性表编码不统一导致中文乱码。交付标准做法分两级：分析阶段直接用 GeoPackage，发布给外部系统时再按需导出 GeoJSON。
ogr2ogr -f GPKG final_beijing_road.gpkg beijing_road.shp -nlt LINESTRING -lco GEOMETRY_NAME=geom -lco SPATIAL_INDEX=YES ogr2ogr -f GeoJSON final_beijing_road.geojson final_beijing_road.gpkg -lco RFC7946=YES第一句把 shp 转成带空间索引的 GeoPackage；第二句在需要给 Web 端渲染时再转 GeoJSON。GeoJSON 的坐标顺序按 RFC7946 是经度、纬度，GDAL 转换时会处理坐标顺序，不需要手工交换。这一步完成后，拿 QGIS 打开 GeoPackage，按等级字段做一次分组渲染，国道、省道、县道、乡道用不同颜色，叠加天地图影像快速看一眼整体配色和边界，颜色异常的地方往往就是属性字段选错或几何残留的位置。
5.2 用分级属性做行进成本，跑通一次 pgrouting 验证
乡道级路网最实在的用途是路径规划预处理。把 GeoPackage 导入 PostGIS 后，先做网络拓扑处理，pgr_createTopology会在道路交叉点处打断并生成节点表：
SELECT pgr_createTopology('beijing_road', 0.0001, 'geom', 'gid'); SELECT pgr_dijkstra( 'SELECT gid, source, target, CASE WHEN level IN (''G'',''S'') THEN length * 0.6 ELSE length END AS cost FROM beijing_road', start_vid, end_vid, directed := false ) AS route;第二句里 cost 字段做了个小文章：把国道、省道的行进代价乘以 0.6，让路径更偏好高等级道路，乡道自然成为后备选择。实际项目里 cost 还要加入通行方向、限行时段、收费系数，但思路一致——分级字段在过滤完之后并没有结束价值，它还是成本模型的输入参数。跑通一次最短路径后，再叠加上一步的天地图抽检结果，整条链路就完整了。
最终核验时，我会把筛选前后要素数量、Extent 范围、ST_IsSimple错误率三条信息写进数据交付说明，再附上抽检记录。如果只保留一个日常习惯，那就是每次拿到新数据先ogrinfo看值域，再ST_IsSimple看几何，两个动作加起来不到两分钟，能省下之后一整天排错时间。
本文还有配套的精品资源，点击获取
