Python osmnx网络中最短路径的优化计算

我的问题很简单。我必须计算osmnx网络中所有节点之间的最短路径。然而，这需要大量的时间。我想知道是否有什么可以加快/优化流程。先谢谢你

代码如下：

import osmnx as ox
import igraph as ig
import matplotlib.pyplot as plt
import pandas as pd
import networkx as nx
import numpy as np
import matplotlib as mpl
import random as rd
from IPython.display import clear_output
ox.config(log_console=True, use_cache=True)


%%time
city = 'Portugal, Lisbon'
G = ox.graph_from_place(city, network_type='drive')

G_nx = nx.relabel.convert_node_labels_to_integers(G)

weight = 'length'

G_ig = ig.Graph(directed=True)
G_ig.add_vertices(list(G_nx.nodes()))
G_ig.add_edges(list(G_nx.edges()))
G_ig.vs['osmid'] = list(nx.get_node_attributes(G_nx, 'osmid').values())
G_ig.es[weight] = list(nx.get_edge_attributes(G_nx, weight).values())

assert len(G_nx.nodes()) == G_ig.vcount()
assert len(G_nx.edges()) == G_ig.ecount()
nodes, edges = ox.graph_to_gdfs(G, nodes=True, edges=True) 

%%time
L_back_total = []
L_going_total =[]
i=1

for element in G_nx.nodes:

    clear_output(wait=True)
    L_going=[]
    L_back=[]
    
    for node in G_nx.nodes:
        
        length_going = G_ig.shortest_paths(source=element, target=node, weights=weight)[0][0]
        length_back = G_ig.shortest_paths(source=node, target=element, weights=weight)[0][0]
        
        L_going.append(length_going)
        L_back.append(length_back)

    L_back_total.append(length_back)
    L_going_total.append(length_going)
    print('Progress:', np.round(i/len(G_nx.nodes)*100, 5))
    i+=1

---

考虑使用Floyd-Warshall算法

文件：

用法：

nx.floyd_warshall(G_ig)

---

考虑使用Floyd-Warshall算法

文件：

用法：

nx.floyd_warshall(G_ig)

---

在osmnx提供的示例中，有一个关于路由速度时间的笔记本，显示如何并行计算

在osmnx提供的示例中，有一个关于路由速度时间的笔记本，显示如何并行计算

算法计算从a到B的最短路径，但它也从B计算到A吗？因为在有向图中，这些路径并不相同。算法计算从A到B的最短路径，但它也计算从B到A的最短路径吗？因为在有向图中，这些路径不会是相同的，所以你是绝对正确的。我还没有检查示例的更新。谢谢你告诉我！哇，你完全正确。我还没有检查示例的更新。谢谢你告诉我！