简介：针对高德交通态势数据的获取需求，这套Python爬虫方案面向开发者、交通数据分析人员及地理信息系统应用学习者，可调用高德地图API采集实时交通流量与拥堵指数，解决路况数据获取与初步处理的难题。方案中包含请求间隔设置、User-Agent伪装等反爬策略，以规避接口限制、提升抓取稳定性，并给出数据清洗与格式转换的预处理思路。抓取结果支持存储为CSV、JSON或数据库，可导入ArcGIS进行空间可视化与拥堵规律分析，也能定期运行实现监测更新，支撑交通管理、出行规划等场景。下载压缩包共包含2个文件，以Python脚本为主，辅以一个zip文件，整体仅约2KB，代码紧凑便于直接阅读和复用。目前已有1867人学习下载，适合希望快速搭建轻量级交通态势采集与整理流程的参考者。

1. 高德交通态势爬取：一个脚本，把实时路况变成 ArcGIS 能用的数据

做交通数据分析的人，大概率经历过这一步：接到全城路况需求，发现高德有现成的交通态势接口，兴冲冲申请 key、调通接口，结果返回的是一堆 JSON，每条道路是一串 polyline 坐标加一个拥堵等级。丢给 ArcGIS 直接画图？画不了。这份「高德交通态势爬取」资源做的，就是把“调接口拿 JSON”和“进 ArcGIS 做空间分析”之间的空档填上——高德交通态势爬取.py负责爬取、解析、分区落盘，配套的“导入 ArcGIS 前处理”说明负责把数据转成能用的线要素。适合想快速拿到全城实时路况、又不想从零折腾坐标和格式的交通规划、城市研究相关从业者。

2. 交通态势接口选型：矩形查询怎么调、返回字段怎么读、配额为什么是瓶颈

做爬取之前，先得搞清楚高德交通态势接口的几个硬约束。这一章把接口选型、参数含义和配额机制讲透，后面用脚本时才不会翻车。

2.1 矩形查询和圆形查询怎么选

高德的交通态势接口有两类查询方式，一类是矩形区域查询，一类是圆形区域查询。矩形查询要求你传入一个矩形的左下角和右上角经纬度，接口返回该矩形范围内所有有路况回报的道路；圆形查询则传入中心点和半径。做全城路况分析，矩形查询是唯一合理的选择——你能用几个矩形拼出一整个行政区，而圆形查询在城区边界会有大量重叠，数据去重很麻烦。

接口地址是https://restapi.amap.com/v3/traffic/status/rectangle，注意这是 v3 版本的 Web 服务接口。高德后来出过更新版本的交通态势服务，但那个接口需要额外传diu参数，普通个人开发者的 Web 服务 key 基本拿不到权限，老项目走 v3 是最稳妥的。这个判断很重要——如果你按新接口文档去调，第一步就会卡在参数上。

先看一个最简单的请求长什么样：

curl "https://restapi.amap.com/v3/traffic/status/rectangle?key=YOUR_KEY&rectangle=116.30,39.80,116.45,39.95&extensions=all&level=6"

这里的四个参数是硬性配置：key是你在高德开放平台申请的 Web 服务 key，类型必须选“Web服务”，不能选 Android/iOS 的 key；rectangle是左下角经度、左下角纬度、右上角经度、右上角纬度，四个值用英文逗号分隔，顺序固定；extensions填all才能拿到速度和方向字段，填base只有道路名和状态；level是道路等级，6 代表所有等级，如果要单独分析高速可以填 1，国道填 2，省道填 3，县道填 4。

2.2 返回结构里真正要读的五个字段

请求成功之后，返回的是标准 JSON，外层有status、info这些通用字段，真正的数据在trafficinfo.roads数组里。每条 road 代表一段有独立路况回报的道路片段，不是一整条路，这点要心里有数。下面是一个典型返回的简化结构：

{ "status": "1", "info": "OK", "trafficinfo": { "roads": [ { "name": "北四环中路", "status": "3", "direction": "东", "speed": 28, "polyline": "116.32,39.91;116.33,39.91;116.34,39.91" } ] } }

polyline是道路中心线的坐标串，分号分隔坐标点、逗号分隔经纬度，这是导入 ArcGIS 的核心素材。真正要读的字段整理如下：

注意status是字符串不是数字，写代码时别直接拿int()去转，有的响应里会带空字符串。

2.3 配额是按公里算的，不是按次数算的

交通态势接口和其他高德 Web 服务最大的区别是配额机制。普通接口按调用次数扣配额，交通态势接口按“道路里程”扣——你请求一次覆盖 10 公里的矩形，就扣 10 公里的配额。个人开发者的默认配额非常少，少到什么程度？一次覆盖全市范围的请求，可能直接把当天的配额烧掉大半。这是这个项目里最需要提前规划的点，也是很多人在跑数据时中途夭折的原因。

解法是在脚本里做两件事：第一，把大矩形拆成小矩形，失败时能单块重试；第二，把每次请求的原始 JSON 落盘缓存，后续分析全部从缓存里读，绝不重复请求。下一章写爬取脚本时会把这套机制完整实现。

3. 爬取脚本落地：从 key 配置到 CSV 分区抓取的完整链路

高德交通态势爬取.py的核心思路不复杂：读配置、按矩形循环请求、解析 JSON、追加写入 CSV。但细节决定成败，这一章给出可复现的完整链路，并解释每个参数为什么这么设。

3.1 读懂主流程：请求函数、重试机制、解析落盘

先看请求部分。常见做法是写一个带指数退避重试的请求函数，因为交通态势接口对 QPS 很敏感，偶尔超时是常态，不要一失败就崩溃：

import requests import time import random KEY = "你的高德Web服务Key" RECT = "116.30,39.80,116.45,39.95" # 左下经度,左下纬度,右上经度,右上纬度 url = "https://restapi.amap.com/v3/traffic/status/rectangle" params = { "key": KEY, "rectangle": RECT, "extensions": "all", "level": 6 } def fetch_traffic(rect): params["rectangle"] = rect for attempt in range(3): try: resp = requests.get(url, params=params, timeout=10) data = resp.json() if data.get("status") == "1": return data else: print(f"接口返回异常: {data.get('info')}") except Exception as e: print(f"第{attempt + 1}次请求异常: {e}") time.sleep(2 ** attempt + random.random()) return None

逻辑说明：params["rectangle"]在每次调用时动态替换，方便循环遍历多个矩形；重试采用 2 秒、4 秒、8 秒的指数退避，最后加一个随机数是为了避免多个矩形同时失败后同步重试、再次打满 QPS。timeout=10必须写，不写的话接口假死会卡住整个循环。

参数说明：RECT这个变量现在只是默认值，真正干活时会被rect参数覆盖；level=6表示取全等级道路，如果只分析快速路就改成 1，能显著减少数据量。

解析函数负责把trafficinfo.roads展平成一行行记录。常见做法是把polyline原样保留，再额外算一个中心点，方便后面在 ArcGIS 里做点图层：

def flatten_roads(data): rows = [] roads = data.get("trafficinfo", {}).get("roads", []) or [] for road in roads: polyline = road.get("polyline", "") points = polyline.split(";") if polyline else [] center = points[len(points) // 2] if points else "" rows.append({ "name": road.get("name", ""), "status": road.get("status", "0"), "speed": road.get("speed", ""), "direction": road.get("direction", ""), "polyline": polyline, "center_lng_lat": center }) return rows

逻辑说明：center_lng_lat取坐标串中间那个点的经纬度，作为路段的近似中心。取中点而不是取第一个点，是为了避免 polyline 首尾在路口附近时中心点偏移到马路外面。这个字段不进 ArcGIS 做线，而是用来快速预览数据范围和检查矩形是否错位。

3.2 参数不是越小越好：矩形大小、请求间隔和失败重跑

矩形拆多大是一个需要平衡的问题。拆太小，请求次数大量增加，当天总配额消耗反而更快（每次请求有固定开销）；拆太大，单次返回数据量爆炸，容易触发接口截断或超时。我一般按经纬度 0.1 度到 0.2 度见方来切，也就是大约 10 到 18 公里见方的一个格子。以北京市为例，用五个矩形就能覆盖主要城区，每个矩形的数据量在一两兆左右，解析不会太慢。

请求间隔同样要设置。交通态势接口对 QPS 的限制很严格，连续快速请求很容易被限流。常见做法是每次循环后sleep(0.5)到sleep(1.5)随机抖动，这个区间实测在大多数情况下能稳定跑完一轮：

rects = [ "116.20,39.75,116.35,39.85", "116.35,39.75,116.50,39.85", "116.20,39.85,116.35,39.95" ] csv_file = open("traffic_rows.csv", "w", encoding="utf-8-sig") fieldnames = ["name", "status", "speed", "direction", "polyline", "center_lng_lat"] writer = csv.DictWriter(csv_file, fieldnames=fieldnames) writer.writeheader() for rect in rects: data = fetch_traffic(rect) if data: rows = flatten_roads(data) for row in rows: writer.writerow(row) print(f"{rect} 抓取完成，道路数: {len(rows)}") else: print(f"{rect} 失败，需手工重跑") time.sleep(random.uniform(0.5, 1.5)) csv_file.close()

逻辑说明：每个矩形独立抓取、独立打印结果，失败的矩形会被记录下来，而不是让整个流程中断。encoding="utf-8-sig"是给 Excel 和 ArcGIS 准备的，带 BOM 的中文 CSV 在 Windows 下打开不容易乱码。

参数说明：rects这个列表需要你按照目标城市的地理范围自己定义。怎么确定边界？一个偷懒但有效的方法是打开高德地图网页版，用坐标拾取器找到城市左下角和右上角的经纬度，按 0.1 度步长切成网格，再把网格的边界填进列表。

3.3 为 ArcGIS 前处理准备的 CSV 字段设计

CSV 的字段设计直接决定后面导入 ArcGIS 的工作量。除了上面代码里的六个原始字段，我建议你再加两个派生字段：fetch_time和rect_id。fetch_time记录抓取时刻，因为交通态势是实时数据，多轮抓取合并分析时必须能按时间筛选；rect_id标记这条数据来自哪个矩形，排查问题时能快速定位是哪个区域的抓取逻辑出了问题。

写入时在循环内补上这两个字段：

from datetime import datetime fetch_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S") row["fetch_time"] = fetch_time row["rect_id"] = rects.index(rect)

逻辑说明：rect_id直接用列表下标虽然简单，但如果后续调整矩形顺序，历史数据的 ID 会错乱，更稳妥的做法是给每个矩形起一个可读的名字，比如"chaoyang_west"，这样 CSV 里看名字就知道是哪个片区。fetch_time建议精确到秒，同一个矩形在一小时内多次抓取的数据可以用这个字段区分。

到这一步，你已经有了一个字段完整、格式规整的 CSV。接下来最大的坑才开始出现——坐标偏移、空字段、配额超限，这些都在下一章的避坑手册里集中处理。

4. 避坑手册：五个必踩的坑和现场排查记录

这一章写的是我在实际跑高德交通态势数据时踩过的坑，每一条都是“现象→原因→解决”的结构。你大概率会遇到其中至少三条。

4.1 配额耗尽：一天的量一次跑光

现象：脚本刚开始跑得挺顺利，几分钟后接口开始返回类似配额超限的提示，info字段不再是OK，而是提示当天配额已用完，后续所有请求全部失败。

原因：交通态势接口按道路里程扣配额，矩形越大、覆盖的道路越多，单次扣得越狠。个人开发者默认配额很低，一次大范围的请求就烧掉大半，再跑几轮彻底归零。

解决：第一，把矩形控制在 0.1 度到 0.2 度见方，别贪大；第二，原始 JSON 一定要缓存，分析数据时不要去重新请求前一天已经抓过的内容；第三，如果配额确实不够用，把请求时间错开，每天零点重置后再跑，不要在同一天内反复重试。

4.2 rectangle 参数写错：一个符号毁掉一次全城拉取

现象：请求返回status=1、info=OK，但trafficinfo.roads是空的，或者返回的道路数量少得离谱，明显和矩形范围不匹配。

原因：rectangle参数要求的顺序是“左下经度、左下纬度、右上经度、右上纬度”，很多人习惯性写成左上和右下，或者把经度纬度顺序搞反。还有一种情况是用了中文逗号，高德解析失败后静默返回空结果，不报错。

解决：写一个自检函数，每次请求后检查roads的长度，如果请求成功但道路数为 0，先打印出当前的rectangle并人工核对范围。另外，先用一个小矩形测试，比如经纬度跨度只有 0.02 度、确定有城市道路的区域，能返回几条 road 再铺开全城网格。

4.3 坐标系偏移：GCJ-02 和 WGS84 的几百米差距

现象：把 CSV 导入 ArcGIS 后，路况线和底图道路明显错位，严重的时候偏离几百米甚至一公里，看起来像数据抓错了。

原因：高德返回的polyline坐标用的是 GCJ-02（火星坐标系），而 ArcGIS 默认在线底图通常是 WGS84 坐标系，两者之间大约有几百米的系统性偏移，纬度越高偏移越明显。

解决：最简单的方法是不做坐标转换，直接在 ArcGIS 或 QGIS 里叠加高德瓦片底图，让数据和底图保持同一个坐标体系。如果你必须用 WGS84 底图，就得先对polyline做 GCJ-02 到 WGS84 的近似纠偏。网上有很多开源实现，但别指望它有厘米级精度，肉眼对齐底图是没问题的。

4.4 speed 为 0 与 status 对不上：缺失值不能乱删

现象：同一段路status=1（畅通）但speed=0，或者status=3（拥堵）但speed=80，看起来数据自相矛盾。

原因：speed字段在部分路况响应里本身就是缺失值，高德用 0 表示“没有速度回报”，并不代表车辆真的静止；status和speed的更新频率也可能不同，一个是路况计算值，一个是实时速度采样值，时间上略有错位。

解决：判读时以status为主、speed为辅。speed为 0 时不要直接删行，也不要填成 0 参与计算，最好原样保留空值，在 ArcGIS 做分级渲染时用status字段，不要用speed直接做颜色梯度，否则会出现大量灰点。

4.5 空 roads 和偶发超时：怎么判断是没路还是被卡了

现象：某个矩形请求返回status=1但roads为空，或者请求偶发超时、返回异常状态码，重试几次又好了。

原因：两种情况本质不同。空roads可能是矩形范围确实不在路网覆盖区，比如画在了水域、郊区空旷地带；偶发超时则多半是对端限流或网络抖动，重试能解决。

解决：按住 4.2 的自检思路，空roads时打印矩形范围并人工确认是不是郊区；偶发超时用第 3 章的重试函数处理，3 次指数退避足够。跑完一轮后把失败的矩形记录到一个retry_list.txt，单独重跑，不要重新拉全量。

5. 导入 ArcGIS 的前处理：polyline 转线、GCJ-02 纠偏与瓦片底图叠加

zip 包的备注写着“导入 ArcGIS 前处理使用”，这步就是把上一步的 CSV 变成 ArcGIS 能识别的线要素。这里给出我常用的处理流程。

5.1 把 polyline 解析成线要素

在 ArcGIS 里用 arcpy 把 CSV 转成线要素。如果环境里没有 arcpy，用 QGIS 的“从分隔文本添加图层”也能做，但处理大量 polyline 时 arcpy 更可控：

import arcpy import csv arcpy.env.workspace = r"C:\traffic" fc = arcpy.CreateFeatureclass_management( "C:/traffic/traffic.gdb", "traffic_lines", "POLYLINE" ) with open("traffic_rows.csv", "r", encoding="utf-8-sig") as f: reader = csv.DictReader(f) with arcpy.da.InsertCursor(fc, ["SHAPE@", "name", "status", "speed"]) as cursor: for row in reader: polyline_str = row["polyline"] if not polyline_str: continue point_list = [] for pair in polyline_str.split(";"): lng, lat = pair.split(",") point_list.append(arcpy.Point(float(lng), float(lat))) line = arcpy.Polyline(arcpy.Array(point_list)) cursor.insertRow([line, row["name"], row["status"], row["speed"]])

逻辑说明：polyline的格式是“分号分隔坐标对、逗号分隔经纬度”，先按分号拆出每个点的坐标，再按逗号拆成经度和纬度，拼成arcpy.Point列表，最后用arcpy.Polyline生成线要素。SHAPE@是 arcpy 插入游标里代表几何对象的关键字，必须写成这个带 @ 的形式。

参数说明：目标工作空间建议放在 File Geodatabase 里，比 shapefile 快，而且能直接存线要素的坐标系属性。插入前先确认polyline里的坐标确实是 GCJ-02，否则后面叠加底图会错位。

5.2 叠加高德瓦片底图并做分级渲染

线要素建好之后，叠加瓦片底图做可视化。这里用的就是“高德地图瓦片”，在 QGIS 里新增 XYZ Tile 图层，URL 模板填：

https://webrd0{1-4}.is.autonavi.com/appmaptile?style=7&x={x}&y={y}&z={z}

参数说明：{1-4}是瓦片服务器编号，QGIS 会自动做负载均衡；style=7是默认路网样式。这套底图和你的polyline同为 GCJ-02，叠加后不会有偏移。渲染时按status做分级：0 灰色、1 绿色、2 黄色、3 橙色、4 红色，一眼就能看出全城拥堵分布。

我最早跑这个流程时，用一个大矩形把全市一次性拉完，第一天就把配额烧光了，后面三天只能对着缓存干等。从那以后，凡是涉及高德交通态势的活儿，我都强制自己走一遍“先拆矩形、再落缓存、最后才做 ArcGIS 前处理”的顺序，顺序不乱，数据就一直在。希望帮到你。

本文还有配套的精品资源，点击获取