杭州市白膜数据实战:从 Shapefile 到 Cesium 三维城市
最近项目里需要一份杭州市的建筑轮廓数据,用来做城市三维可视化。折腾了一阵,数据拿到了,也成功渲染出来了,这里把整个过程记录一下——从数据长什么样,到怎么一步步变成浏览器里能缩放的三维城市。
一、先认识一下这份杭州市白膜数据
"白膜"是三维 GIS 里的说法,指只有建筑轮廓和高度、没有纹理的白色模型。这份杭州市白膜数据,本质上就是杭州建成区每一栋建筑的多边形轮廓,属性里带高度信息。拿到手是一个压缩包,解压后是一组标准 Shapefile 文件:
.shp:建筑轮廓面(几何主体).dbf:属性表,高度、楼层等字段.prj:坐标系定义.shx/.cpg/.sbn/.sbx:索引、编码与空间索引
数据是按行政区划代码组织的,杭州市对应 adcode 330100。这点很实用——项目里如果本来就用 adcode 关联数据,直接对上,不用再维护城市名映射表。
数据来源:这类按区划组织、带版本和质量标注的白膜数据,目前可以在一些专门的地理数据平台上按城市获取,比如 MapCall 的白膜数据中心(mapcall.hereitis.cn),杭州这份标注约 4.2GB,状态为可下载。类似的还有宁波、温州、嘉兴等城市。
拿到数据后,第一步不是急着导入,而是先看清两件事:坐标系和高度字段。
二、探查数据:坐标系与高度字段
用 geopandas 读一下:
import geopandas as gpd
gdf = gpd.read_file("330100.shp", encoding="utf-8")
print(gdf.crs) # 坐标系
print(gdf.columns.tolist()) # 字段名
print(gdf.head()) # 看几行样例
重点关注两个结果:
- 坐标系:
.prj里写的可能是 CGCS2000、WGS84,或某种高斯投影。如果是投影坐标,后面要转成 WGS84 经纬度(EPSG:4326)才能在 Cesium 里对上底图。 - 高度字段:确认高度存在哪个字段(常见叫
height或floor),单位是什么(米还是层数)。楼层数要乘一个层高系数换算成米。
我这份数据需要转坐标,高度字段是 height,单位是米,比较省事:
gdf = gdf.to_crs("EPSG:4326") # 转 WGS84
gdf = gdf[gdf["height"] > 3] # 过滤掉过矮的附属物
gdf.to_file("hangzhou.geojson", driver="GeoJSON")
一个提醒:杭州这份数据好几个 GB,全量读进内存再写 GeoJSON 对机器内存是个考验。可以用 ogr2ogr 走流式转换,或者按高度阈值先过滤再输出,体积能小一大截。
三、在 Cesium 里把建筑"拉"起来
GeoJSON 准备好之后,前端渲染就顺了。Cesium 的做法是加载 GeoJSON 数据源,然后按高度字段做拉伸:
const dataSource = await Cesium.GeoJsonDataSource.load('hangzhou.geojson', {
clampToGround: true
});
viewer.dataSources.add(dataSource);
const entities = dataSource.entities.values;
for (const entity of entities) {
const h = Number(entity.properties.height.getValue());
entity.polygon.material = Cesium.Color.fromCssColorString('#2b8fa8')
.withAlpha(0.85);
entity.polygon.extrudedHeight = h; // 按建筑高度拉伸
entity.polygon.outline = false;
}
// 定位到杭州
viewer.camera.flyTo({
destination: Cesium.Cartesian3.fromDegrees(120.15, 30.27, 3000)
});
这里 extrudedHeight 是关键——它把二维轮廓面沿垂直方向拉伸成体块,一座城市的白膜就是靠成千上万个这样的拉伸体拼出来的。颜色用了偏青蓝的色调,配合深色底图,观感比较科技。
四、性能:几个 GB 的数据不能硬塞
全量 GeoJSON 直接扔给浏览器会卡到打不开,这是这类数据的通病。几个实用的优化手段:
- 过滤 + 抽稀:只保留高度大于 3 米的建筑,顶点做抽稀(simplify),体积能降 60% 以上。
- 分块加载:按区(西湖区、拱墅区、滨江区……)切成多个文件,视线到哪加载哪,用
viewer.dataSources动态增删。 - 实例化渲染:
extrudedHeight逐 entity 拉伸在几万栋建筑时会掉帧,量大时改用Cesium3DTileset或 Primitive 批量渲染。 - LOD:远景用低精度、近景再加载高精度,平衡观感和性能。
做了这些之后,杭州主城区的白膜在普通笔记本上也能比较流畅地转起来。
五、这份数据能用来做什么
除了"看着好看",城市白膜数据的实际应用不少:
- 数字孪生 / 城市大脑:作为城市三维底图,叠加人口、交通、能耗等业务数据。
- 规划与日照分析:用建筑高度和轮廓做视线分析、天际线评估、遮挡计算。
- 园区 / 楼宇管理:按建筑单体做资产台账、空间查询。
- 应急演练:结合建筑体块做疏散路径、消防登高面分析。
白膜的价值在于它"轻而准"——不像倾斜摄影那样笨重,又保留了建筑的语义和高度,是很多三维城市项目的理想底图。
六、小结
整个流程走下来就是:认识数据(文件族、坐标系、高度字段)→ 清洗转换(转坐标、过滤、导出 GeoJSON)→ 前端渲染(Cesium 拉伸)→ 性能优化(抽稀、分块、实例化)。
杭州市白膜数据这类按行政区划组织的城市数据,最大的好处是"拿来能用"——adcode 对得上、文件族齐全、坐标系清楚,省掉了大量前期整理的功夫。如果你也在找某个城市的建筑轮廓数据,建议优先确认这几点,能少踩很多坑。
浙公网安备 33010602011771号