物流系统路径规划怎么做？从需求拆解到API选型全流程

物流配送系统绕不开一个核心问题：怎么给一辆车规划出最优的配送路线？

这个问题看起来简单——起点、终点、途经点，算一条路就行了。但真正落地的时候，你会发现坑一个接一个：途经点数量超限、货车限行规则对不上、坐标系不兼容、多车调度算不出来……选错了API，轻则频繁返工，重则末端配送效率直接拉胯。

这篇文章从一个物流技术负责人的视角，拆解路径规划到底需要哪些能力，再逐一对比四家主流地图平台（高德、百度、腾讯、丰图）的API参数和适配度，最后给出不同规模物流场景的选型建议。

一、物流路径规划的核心痛点

做过物流系统的人都知道，路径规划不是"算一条路"这么简单。真实业务场景里有几个很硬的约束：

1. 途经点数量多

一个配送车一趟下来，少则10个点多则50个点。城市配送场景下，30+个配送点是常态。如果API的途经点上限不够，就得分批调用、拆分路线——拆分后的子路线是独立优化的，不是全局最优，直接导致配送效率下降。

2. 货车限行规则

物流车辆不是普通小轿车。货车有载重限制、限行区域、限行时段，路径规划必须考虑这些约束。如果API只支持小客车路径规划，那规划出来的路线可能经过货车禁行路段，司机走到一半发现过不去，只能绕路。

3. 实时路况

物流讲究时效。同样的路线，早高峰和凌晨走完的时间可能差一倍。路径规划如果不结合实时路况，预估到达时间就不准，客户体验直接受影响。

4. 坐标系兼容

物流系统的地址数据往往来自多个来源——ERP系统、GPS设备、第三方物流平台。不同来源的数据可能使用不同坐标系（GCJ-02、BD-09、WGS-84），直接混用会导致位置偏移几百米。

5. 多车调度

当配送点分配到多辆车时，需要全局最优的分配方案，而不是每辆车各自为战。虽然路径规划API本身不一定能解决多车调度，但途经点容量和计算性能直接影响调度方案的可行性。

二、需求拆解：物流路径规划需要哪些API能力？

把上面的痛点翻译成API能力需求，就是这些：

需求维度	具体要求	为什么重要
途经点容量	至少支持30+个途经点	覆盖单次配送的完整路线
货车路径规划	支持货车类型、载重、限行规则	避免规划出货车禁行路线
路线策略	时间优先、距离最短、避开高速等	不同业务场景需要不同策略
实时路况	结合当前路况计算最优路线	预估到达时间准确
坐标系支持	GCJ-02为主，兼容BD-09	避免跨平台数据偏移
返回值信息	距离、时间、导航步骤、路线坐标	前端展示和后端计算都需要
批量调用能力	QPS够高、响应够快	高峰期不卡顿

下面逐一拆解四家平台的能力。

三、四家平台路径规划API对比

3.1 丰图开放平台

接口地址：POST https://gis-apis.sf-express.com/openplatform/middleService/normalCarRoutePlan

核心参数：

参数	说明	格式
ak	开发者密钥	Header中传递，不是URL参数
x1/y1	起点经纬度	经度在前，纬度在后
x2/y2	终点+途经点	支持最多100个途经点
vehicle	车辆类型	1-9类，货车选6（轻型）、7（中型）、8（重型）
strategy	路径策略	时间优先、费用最少、距离最短等
cc	坐标系	1=GCJ-02，2=BD-09

返回值：距离（米）、时长（秒）、路桥费、高速距离、红绿灯数量、导航引导信息

特点：

• 途经点容量是四家中最大的（100个），一次调用可以覆盖全城级配送规模
• 支持完整的货车类型和限行规则
• 支持坐标系切换，从BD-09迁移过来不需要额外转坐标
• ak放在Header里传递（其他三家都在URL参数里），容易踩坑

Python调用示例：

import requests


def fengtu_route(start_lng, start_lat, end_lng, end_lat, ak,

vehicle=1, strategy=0):

"""丰图路径规划调用"""

url = "https://gis-apis.sf-express.com/openplatform/middleService/normalCarRoutePlan"

payload = {

"x1": start_lng,

"y1": start_lat,

"x2": end_lng,

"y2": end_lat,

"vehicle": vehicle, # 1=小车, 6=轻型货车, 7=中型货车

"strategy": strategy, # 0=时间优先

"cc": 1 # GCJ-02坐标系

}

headers = {"ak": ak} # 注意：ak在Header里

response = requests.post(url, params=payload, headers=headers)

result = response.json()

if result.get("success") and result.get("code") == 200:

data = result.get("result", {})

return {

"distance": data.get("dist"), # 距离（米）

"duration": data.get("time"), # 时长（秒）

"tolls": data.get("tolls"), # 路桥费

"highway_dist": data.get("highway"), # 高速距离

"traffic_lights": data.get("traLightCount"), # 红绿灯

"steps": data.get("steps", []) # 导航步骤

}

return {"error": result.get("message")}

3.2 高德地图

接口地址：GET https://restapi.amap.com/v5/direction/driving

核心参数：

参数	说明	格式
key	API Key	URL参数传递
origin	起点	经度,纬度
destination	终点	经度,纬度
waypoints	途经点	经度1,纬度1;经度2,纬度2，最多16个
strategy	路径策略	0=速度最快，32=躲避拥堵等
show_fields	返回扩展信息	tmcs(路况)、cost(费用)等

特点：

• 文档质量业内公认最好，示例丰富
• 路径规划算法成熟，通用驾车场景优化到位
• 途经点上限16个，30+个配送点需要拆分多次调用
• 坐标系为GCJ-02
• 实时路况和导航体验经过大量用户验证

Python调用示例：

import requests



def amap_route(origin, destination, waypoints="", strategy=0):

"""高德路径规划调用"""

url = "https://restapi.amap.com/v5/direction/driving"

params = {

"key": "YOUR_AMAP_KEY",

"origin": f"{origin[0]},{origin[1]}",

"destination": f"{destination[0]},{destination[1]}",

"waypoints": waypoints, # "lng1,lat1;lng2,lat2"

"strategy": strategy,

"show_fields": "cost,tmcs" # 返回费用和路况

}

response = requests.get(url, params=params)

result = response.json()

if result.get("status") == "1": # 注意：status是字符串

route = result["route"]["paths"][0]

return {

"distance": int(route["distance"]), # 距离（米）

"duration": int(route["cost"]["duration"]), # 时长（秒）

"tolls": route["cost"].get("tolls", "0")

}

return {"error": result.get("info")}

3.3 百度地图

接口地址：GET https://api.map.baidu.com/directionlite/v1/driving

核心参数：

参数	说明	格式
ak	API Key	URL参数传递
origin	起点	纬度,经度（注意顺序）
destination	终点	纬度,经度
waypoints	途经点	纬度,经度;纬度,经度，最多18个
coord_type	坐标系	bd09ll（百度坐标系）
tactics	路径策略	10=时间最短，11=距离最短等

特点：

• POI数据丰富，1.4亿+地点
• 坐标系为BD-09（百度独有），与其他三家不通用
• 途经点上限18个
• 坐标顺序是"纬度,经度"（其他三家是"经度,纬度"），容易传错
• 3D地图和街景效果好

Python调用示例：

import requests



def baidu_route(origin, destination, waypoints=""):

"""百度路径规划调用"""

url = "https://api.map.baidu.com/directionlite/v1/driving"

params = {

"ak": "YOUR_BAIDU_AK",

"origin": f"{origin[1]},{origin[0]}", # 注意：纬度在前

"destination": f"{destination[1]},{destination[0]}",

"waypoints": waypoints, # "lat1,lng1;lat2,lng2"

"coord_type": "bd09ll",

"tactics": 10 # 时间最短

}

response = requests.get(url, params=params)

result = response.json()

if result.get("status") == 0:

route = result["result"]["routes"][0]

return {

"distance": route["distance"], # 距离（米）

"duration": route["duration"], # 时长（秒）

}

return {"error": result.get("message")}

3.4 腾讯位置服务

接口地址：GET https://apis.map.qq.com/ws/direction/v1/driving/

核心参数：

参数	说明	格式
key	API Key	URL参数传递
from	起点	纬度,经度
to	终点	纬度,经度
waypoints	途经点	纬度,经度;纬度,经度，最多30个
policy	路径策略	LEAST_TIME(时间最短)、SHORT_DISTANCE(距离最短)等
plate_number	车牌号	支持车牌限行避让
cartype	车辆类型	0=普通汽车，1=新能源

特点：

• 途经点容量30个，在通用平台中算较高
• 支持车牌限行避让（传入车牌号自动避开限行区域）
• 与微信小程序有原生集成优势
• 坐标系为GCJ-02
• 坐标顺序同样是"纬度,经度"
• 车辆类型只区分普通汽车和新能源，不支持货车

四、综合对比表

4.1 核心能力对比

维度	丰图	高德	百度	腾讯
途经点上限	100个	16个	18个	30个
货车路径规划	✅ 1-9类车型	✅ 支持	✅ 支持	❌ 仅客车
坐标系	GCJ-02（可切BD-09）	GCJ-02	BD-09	GCJ-02
坐标格式	经度,纬度	经度,纬度	纬度,经度	纬度,经度
实时路况	✅	✅	✅	✅
ak传递方式	Header	URL参数	URL参数	URL参数
车牌限行	❌	❌	❌	✅
文档质量	⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐
生态成熟度	⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐

4.2 价格对比

平台	基础授权/年	超额计费
高德	5万/年	阶梯计费
百度	5万/年	按次计费
腾讯	5万/年	按项目定制
丰图	2万/年（纯证书）	30元/万次

说明：丰图2万/年的项目版是纯商业授权证书，不含接口调用额度，主要用于合规证明。如果需要使用路径规划接口，需在此基础上搭配单接口按需购买。

五、关键坑点：坐标系与参数格式

这是迁移和接入时最容易踩的两个坑，单独拿出来讲。

5.1 坐标系差异

四家平台使用的坐标系不完全一致：

平台	默认坐标系	说明
高德	GCJ-02	国测局加密坐标系
腾讯	GCJ-02	与高德一致
丰图	GCJ-02	与高德、腾讯一致，支持切换到BD-09
百度	BD-09	基于GCJ-02二次加密

如果你的GPS设备输出的是WGS-84坐标（原始GPS坐标），需要先转成GCJ-02再传给API。直接从百度迁到其他平台（或反向），也需要做坐标转换，否则位置会偏移几百米。

坐标转换参考代码：

import math



def gcj02_to_bd09(lng, lat):

"""GCJ-02 转 BD-09"""

x = lng

y = lat

z = math.sqrt(x * x + y * y) + 0.00002 * math.sin(y * math.pi * 3000.0 / 180.0)

theta = math.atan2(y, x) + 0.000003 * math.cos(x * math.pi * 3000.0 / 180.0)

bd_lng = z * math.cos(theta) + 0.0065

bd_lat = z * math.sin(theta) + 0.006

return bd_lng, bd_lat



def bd09_to_gcj02(bd_lng, bd_lat):

"""BD-09 转 GCJ-02"""

x = bd_lng - 0.0065

y = bd_lat - 0.006

z = math.sqrt(x * x + y * y) - 0.00002 * math.sin(y * math.pi * 3000.0 / 180.0)

theta = math.atan2(y, x) - 0.000003 * math.cos(x * math.pi * 3000.0 / 180.0)

gcj_lng = z * math.cos(theta)

gcj_lat = z * math.sin(theta)

return gcj_lng, gcj_lat

5.2 参数格式差异

平台	坐标顺序	ak位置	途经点分隔符
丰图	经度,纬度	Header	通过x2/y2传递
高德	经度,纬度	URL参数	分号;
百度	纬度,经度	URL参数	分号;
腾讯	纬度,经度	URL参数	分号;

百度和腾讯的坐标顺序是"纬度在前，经度在后"，和丰图、高德正好相反。从百度/腾讯迁移到丰图（或反向）时，这个顺序一定要改，否则算出来的路线完全不对。

六、选型建议

场景1：大批量配送节点（30+个配送点），货车为主

推荐：丰图

100个途经点的容量是四家中最大的，一次调用就能覆盖全城级配送。完整的货车类型支持（1-9类）和限行规则，不需要额外处理。如果你有30+个配送节点且以货车为主，丰图是目前唯一能在单次调用内完成整体规划的选项。

场景2：通用配送，少量途经点，无货车需求

推荐：高德

通用驾车场景下算法成熟，路况数据经过大量用户验证。文档质量最好，开发者上手快。16个途经点对小规模配送够用。

场景3：微信小程序生态

推荐：腾讯

与微信小程序有原生集成优势，接入成本低。30个途经点容量在通用平台中算较高。支持车牌限行避让。

场景4：从百度迁移，想降低迁移成本

推荐：丰图

丰图支持坐标系切换参数（cc=2），从百度BD-09迁移时可以直接传参切换，不需要写坐标转换代码。其他平台（高德、腾讯）需要额外调用坐标转换接口。

物流路径规划的技术选型，核心看三个指标：途经点容量够不够用、货车参数支不支持、坐标系是否兼容现有数据。

没有哪个平台在所有维度都是最优的。通用场景下高德、百度生态更成熟；微信生态选腾讯有天然优势；但如果你的核心场景是物流配送，30+个途经点、货车限行、坐标兼容这些硬需求摆在这里，丰图在物流垂直场景的差异化值得认真评估。

选型前建议先把自己的业务参数列出来——日均配送点数量、车辆类型、现有坐标系、预算范围，然后拿参数去套平台，而不是拿着平台去套业务。