TransBigData是一个为交通时空大数据处理、分析和可视化而开发的Python包。TransBigData为处理常见的交通时空大数据(如出租车GPS数据、共享单车数据和公交车GPS数据等)提供了快速而简洁的方法。TransBigData为交通时空大数据分析的各个阶段提供了多种处理方法,代码简洁、高效、灵活、易用,可以用简洁的代码实现复杂的数据任务。转自同济大学余庆博士的文章:点击跳转
应专业选修课《数据分析与可视化》的期末考核,本人参考了@小旭学长的文章:点击跳转
本文根据上述文章,对该项目进行了一些代码上的修改(在一些可能报错的地方进行了修改),以及增加了对代码的解释以及图文介绍,并且增加了上海的出租车轨迹数据。
本项目作为课程设计参考,个人感觉本项目在最后的呈现效果上十分出色。该项目使用jupyter notebook开发环境。
项目地址:https://gitee.com/scaukzh/visualization
话不多说,直接看项目。
数据:
①出租车轨迹数据集
来源:https://people.cs.rutgers.edu/~dz220/data.html
介绍:该数据源自国外大学一名助理教授,包含了深圳市2013.10.22一天中大约600多辆出租车的轨迹数据,数据包含的信息依次为出租车ID,时间,纬度,经度,占用状态,速度;入住状态:1-乘客和0-乘客。数据一共大约54w条。
VehicleNum | Time | Lng | Lat | OpenStatus | Speed | |
---|---|---|---|---|---|---|
0 | 34745 | 20:27:43 | 113.806847 | 22.623249 | 1 | 27 |
1 | 34745 | 20:24:07 | 113.809898 | 22.627399 | 0 | 0 |
2 | 34745 | 20:24:27 | 113.809898 | 22.627399 | 0 | 0 |
3 | 34745 | 20:22:07 | 113.811348 | 22.628067 | 0 | 0 |
4 | 34745 | 20:10:06 | 113.819885 | 22.647800 | 0 | 54 |
... | ... | ... | ... | ... | ... | ... |
544994 | 28265 | 21:35:13 | 114.321503 | 22.709499 | 0 | 18 |
544995 | 28265 | 09:08:02 | 114.322701 | 22.681700 | 0 | 0 |
544996 | 28265 | 09:14:31 | 114.336700 | 22.690100 | 0 | 0 |
544997 | 28265 | 21:19:12 | 114.352600 | 22.728399 | 0 | 0 |
544998 | 28265 | 19:08:06 | 114.137703 | 22.621700 | 0 | 0 |
544999 rows × 6 columns
补充:我在项目中补充了一个上海的数据集,该数据集是香港科技大学智慧城市研究小组共享的数据集,包含上海市2007年02月20日单日若干辆出租车的轨迹数据。
②地图数据
地图采用json格式,这个地图数据用于标明深圳区域的范围,在后期进行绘图以及数据处理的时候都有作用。
代码部分:
一、第三方包和数据集的导入
1.第三包的导入
import transbigdata as tbd
import pandas as pd
import geopandas as gpd
import matplotlib.pyplot as plt
使用pip命令直接装transbigdata和geopands包可能会失败。不过transbigdata我已经放在项目中去了,大家直接调用即可。geopands比较容易装,这里就不详细讨论了。
2.读入出租车GPS轨迹数据
data = pd.read_csv('D:/code_for_school/visualtaxi/gps_data/shenzhen_taxi_gps.csv', header=None)#修改自身路径即可
data.columns = ['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus', 'Speed']
data.head() #head函数其中一个默认参数为5,故只返回头5条数据
VehicleNum | Time | Lng | Lat | OpenStatus | Speed | |
---|---|---|---|---|---|---|
0 | 34745 | 20:27:43 | 113.806847 | 22.623249 | 1 | 27 |
1 | 34745 | 20:24:07 | 113.809898 | 22.627399 | 0 | 0 |
2 | 34745 | 20:24:27 | 113.809898 | 22.627399 | 0 | 0 |
3 | 34745 | 20:22:07 | 113.811348 | 22.628067 | 0 | 0 |
4 | 34745 | 20:10:06 | 113.819885 | 22.647800 | 0 | 54 |
3.读入深圳市地图数据
# Read the GeoDataFrame of the study area
sz = gpd.read_file(r'D:/code_for_school/visualtaxi/geo_data/sz.json')#修改自身路径即可
sz.crs = None
sz.head()
centroid_x | centroid_y | qh | geometry | |
---|---|---|---|---|
0 | 114.143157 | 22.577605 | 罗湖 | POLYGON ((114.10006 22.53431, 114.10083 22.534... |
1 | 114.041535 | 22.546180 | 福田 | POLYGON ((113.98578 22.51348, 114.00553 22.513... |
2 | 114.270206 | 22.596432 | 盐田 | POLYGON ((114.19799 22.55673, 114.19817 22.556... |
3 | 113.851387 | 22.679120 | 宝安 | MULTIPOLYGON (((113.81831 22.54676, 113.81948 ... |
4 | 113.926290 | 22.766157 | 光明 | POLYGON ((113.99768 22.76643, 113.99704 22.766... |
sz.plot()
二、数据处理
1.剔除掉超出深圳地图范围的数据
# Data Preprocessing
# Delete the data outside of the study area
data = tbd.clean_outofshape(data, sz, col=['Lng', 'Lat'], accuracy=500) #剔除超出研究区域的数据
data.head(20)
VehicleNum | Time | Lng | Lat | OpenStatus | Speed | |
---|---|---|---|---|---|---|
0 | 34745 | 20:27:43 | 113.806847 | 22.623249 | 1 | 27 |
1 | 27368 | 09:08:53 | 113.805893 | 22.624996 | 0 | 49 |
2 | 22998 | 10:51:10 | 113.806931 | 22.624166 | 1 | 54 |
3 | 22998 | 10:11:50 | 113.805946 | 22.625433 | 0 | 43 |
4 | 22998 | 10:12:05 | 113.806381 | 22.623833 | 0 | 60 |
5 | 22396 | 12:14:28 | 113.806602 | 22.623949 | 1 | 45 |
6 | 32436 | 08:15:34 | 113.806465 | 22.624166 | 0 | 50 |
7 | 32436 | 08:15:04 | 113.807053 | 22.626350 | 0 | 0 |
8 | 32436 | 08:15:19 | 113.806252 | 22.625933 | 0 | 22 |
9 | 32436 | 08:14:49 | 113.807053 | 22.626333 | 0 | 0 |
10 | 32436 | 18:10:57 | 113.806885 | 22.622967 | 0 | 50 |
11 | 32436 | 18:10:27 | 113.806450 | 22.626083 | 0 | 36 |
12 | 32436 | 18:35:15 | 113.806686 | 22.623632 | 1 | 29 |
13 | 32436 | 18:10:42 | 113.805984 | 22.624683 | 0 | 41 |
14 | 27373 | 18:58:43 | 113.805969 | 22.624983 | 0 | 42 |
15 | 27373 | 08:42:34 | 113.807114 | 22.623211 | 0 | 61 |
16 | 31910 | 09:49:56 | 113.806801 | 22.626200 | 0 | 25 |
17 | 35161 | 00:43:41 | 113.807030 | 22.622833 | 1 | 51 |
18 | 35161 | 00:43:25 | 113.807098 | 22.624184 | 1 | 54 |
19 | 23411 | 20:20:06 | 113.806549 | 22.623550 | 0 | 56 |
如此一来,那些不在深圳市版图中的数据就被我们剔除掉了。
2.对数据按照车辆编号和时间顺序排好
# Delete the data with instantaneous changes in passenger status
data = tbd.clean_taxi_status(data, col=['VehicleNum', 'Time', 'OpenStatus'])
#删除出租车数据中载客状态瞬间变化的记录,这些记录的存在会影响出行订单判断。
#判断条件为:如果对同一辆车,上一条记录与下一条记录的载客状态都与本条记录不同,则本条记录应该删去
#实际上就是按照编号和时间顺序将数据排好
data.head(30)
VehicleNum | Time | Lng | Lat | OpenStatus | Speed | LONCOL | LATCOL | |
---|---|---|---|---|---|---|---|---|
452072 | 22396 | 00:00:29 | 113.996719 | 22.693333 | 1 | 20 | 81 | 65 |
444077 | 22396 | 00:01:01 | 113.995514 | 22.695032 | 1 | 34 | 81 | 66 |
444078 | 22396 | 00:01:09 | 113.995430 | 22.695766 | 1 | 41 | 81 | 66 |
444075 | 22396 | 00:01:41 | 113.995369 | 22.696484 | 1 | 0 | 81 | 66 |
444079 | 22396 | 00:02:21 | 113.995430 | 22.696650 | 1 | 17 | 81 | 66 |
444073 | 22396 | 00:03:01 | 113.994934 | 22.697884 | 0 | 23 | 81 | 66 |
444074 | 22396 | 00:03:41 | 113.992683 | 22.697350 | 0 | 18 | 81 | 66 |
444076 | 22396 | 00:04:21 | 113.992348 | 22.696733 | 0 | 36 | 81 | 66 |
452073 | 22396 | 00:05:01 | 113.992996 | 22.693632 | 0 | 2 | 81 | 65 |
446704 | 22396 | 00:05:41 | 113.989250 | 22.693083 | 0 | 56 | 80 | 65 |
422019 | 22396 | 00:06:21 | 113.986366 | 22.691000 | 0 | 48 | 79 | 65 |
422218 | 22396 | 00:07:41 | 113.988747 | 22.685450 | 0 | 16 | 80 | 63 |
426967 | 22396 | 00:08:21 | 113.989586 | 22.681749 | 0 | 43 | 80 | 63 |
443922 | 22396 | 00:09:01 | 113.986015 | 22.681583 | 0 | 0 | 79 | 63 |
443923 | 22396 | 00:09:41 | 113.986481 | 22.680332 | 0 | 47 | 79 | 62 |
422292 | 22396 | 00:10:21 | 113.988297 | 22.676416 | 0 | 31 | 80 | 61 |
422295 | 22396 | 00:11:01 | 113.991600 | 22.677517 | 0 | 41 | 80 | 62 |
422291 | 22396 | 00:11:09 | 113.992149 | 22.677317 | 0 | 33 | 80 | 62 |
443991 | 22396 | 00:11:41 | 113.993401 | 22.674368 | 0 | 31 | 81 | 61 |
443987 | 22396 | 00:11:49 | 113.993446 | 22.674217 | 0 | 0 | 81 | 61 |
可以看到编号相同的数据是相邻并且是以时间推进排序的。
3.将数据按照经纬度进行栅格化
栅格化的意思就是把每个数据按照经纬度分到不同位置的格子上
# Data gridding
# Define the bounds and generate gridding parameters
bounds = [113.6, 22.4, 114.8, 22.9]
params = tbd.area_to_params(bounds, accuracy=500)
params
#(113.6, 22.4, 0.004872390756896538, 0.004496605206422906)
#栅格参数(lonStart,latStart,deltaLon,deltaLat),分别为栅格左下角坐标与单个栅格的经纬度长宽
# Mapping GPS data to grids
data['LONCOL'], data['LATCOL'] = tbd.GPS_to_grid(data['Lng'], data['Lat'], params)
data.head()
VehicleNum | Time | Lng | Lat | OpenStatus | Speed | LONCOL | LATCOL | |
---|---|---|---|---|---|---|---|---|
452072 | 22396 | 00:00:29 | 113.996719 | 22.693333 | 1 | 20 | 81 | 65 |
444077 | 22396 | 00:01:01 | 113.995514 | 22.695032 | 1 | 34 | 81 | 66 |
444078 | 22396 | 00:01:09 | 113.995430 | 22.695766 | 1 | 41 | 81 | 66 |
444075 | 22396 | 00:01:41 | 113.995369 | 22.696484 | 1 | 0 | 81 | 66 |
444079 | 22396 | 00:02:21 | 113.995430 | 22.696650 | 1 | 17 | 81 | 66 |
这一部分完成,我们就已经将数据划分在不同的栈格里了。
4.计算每个栅格中的数据个数
# Aggregate data into grids
#python中groupby函数主要的作用是进行数据的分组以及分组后地组内运算!
datatest = data.groupby(['LONCOL', 'LATCOL'])['VehicleNum'].count().reset_index()
# Generate the geometry for grids
datatest['geometry'] = tbd.grid_to_polygon([datatest['LONCOL'], datatest['LATCOL']], params)
# Change it into GeoDataFrame
# import geopandas as gpd
datatest = gpd.GeoDataFrame(datatest)
datatest.head()
#计算出每个栅格里的出租车数量(不按时间,是一天数据中所有的点)
LONCOL | LATCOL | VehicleNum | geometry | |
---|---|---|---|---|
0 | 36 | 63 | 3 | POLYGON ((113.77297 22.68104, 113.77784 22.681... |
1 | 36 | 64 | 2 | POLYGON ((113.77297 22.68553, 113.77784 22.685... |
2 | 36 | 65 | 1 | POLYGON ((113.77297 22.69003, 113.77784 22.690... |
3 | 36 | 66 | 1 | POLYGON ((113.77297 22.69453, 113.77784 22.694... |
4 | 36 | 67 | 8 | POLYGON ((113.77297 22.69902, 113.77784 22.699... |
LONCOL代表经度上第几个栈格,LATCOL代表维度上第几个栈格,VehicleNum表示了这个栈格中数据的数量,可用于后面进行GPS轨迹热力图的绘图。
5.OD订单的处理
①将各个数据转化成OD数据(每一个数据代表状态)
载客状态无非就两种状态,即(载客-空载-载客)和(空载-载客-空载)。
# Extract taxi OD from GPS data
#OD形成就是每一个订单都算一个OD行程,每一行代表一个OD行程
#stime代表出发时间,slon和slat是出发的经纬度
#etime代表结束时间,elon和elat是结束的经纬度
# ID是订单顺序号
oddata = tbd.taxigps_to_od(data,col = ['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus'])
oddata
VehicleNum | stime | slon | slat | etime | elon | elat | ID | |
---|---|---|---|---|---|---|---|---|
427075 | 22396 | 00:19:41 | 114.013016 | 22.664818 | 00:23:01 | 114.021400 | 22.663918 | 0 |
131301 | 22396 | 00:41:51 | 114.021767 | 22.640200 | 00:43:44 | 114.026070 | 22.640266 | 1 |
417417 | 22396 | 00:45:44 | 114.028099 | 22.645082 | 00:47:44 | 114.030380 | 22.650017 | 2 |
376160 | 22396 | 01:08:26 | 114.034897 | 22.616301 | 01:16:34 | 114.035614 | 22.646717 | 3 |
21768 | 22396 | 01:26:06 | 114.046021 | 22.641251 | 01:34:48 | 114.066048 | 22.636183 | 4 |
... | ... | ... | ... | ... | ... | ... | ... | ... |
175519 | 36805 | 22:49:12 | 114.114365 | 22.550632 | 22:50:40 | 114.115501 | 22.557983 | 5083 |
212092 | 36805 | 22:52:07 | 114.115402 | 22.558083 | 23:03:12 | 114.118484 | 22.547867 | 5084 |
119041 | 36805 | 23:03:45 | 114.118484 | 22.547867 | 23:20:09 | 114.133286 | 22.617750 | 5085 |
224103 | 36805 | 23:36:19 | 114.112968 | 22.549601 | 23:43:12 | 114.089485 | 22.538918 | 5086 |
170962 | 36805 | 23:46:14 | 114.091217 | 22.540768 | 23:53:36 | 114.120354 | 22.544300 | 5087 |
5088 rows × 8 columns
②将od行程分为载客状态下和空载状态下的
data_deliver, data_idle = tbd.taxigps_traj_point(data,oddata,col=['VehicleNum',
'Time',
'Lng',
'Lat',
'OpenStatus'])
data_deliver #载客状态的od路径
VehicleNum | Time | Lng | Lat | OpenStatus | Speed | LONCOL | LATCOL | ID | flag | |
---|---|---|---|---|---|---|---|---|---|---|
427075 | 22396 | 00:19:41 | 114.013016 | 22.664818 | 1 | 63.0 | 85.0 | 59.0 | 0.0 | 1.0 |
427085 | 22396 | 00:19:49 | 114.014030 | 22.665483 | 1 | 55.0 | 85.0 | 59.0 | 0.0 | 1.0 |
416622 | 22396 | 00:21:01 | 114.018898 | 22.662500 | 1 | 1.0 | 86.0 | 58.0 | 0.0 | 1.0 |
427480 | 22396 | 00:21:41 | 114.019348 | 22.662300 | 1 | 7.0 | 86.0 | 58.0 | 0.0 | 1.0 |
416623 | 22396 | 00:22:21 | 114.020615 | 22.663366 | 1 | 0.0 | 86.0 | 59.0 | 0.0 | 1.0 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
64411 | 36805 | 23:53:09 | 114.120354 | 22.544300 | 1 | 2.0 | 107.0 | 32.0 | 5087.0 | 1.0 |
64405 | 36805 | 23:53:15 | 114.120354 | 22.544300 | 1 | 1.0 | 107.0 | 32.0 | 5087.0 | 1.0 |
64390 | 36805 | 23:53:21 | 114.120354 | 22.544300 | 1 | 0.0 | 107.0 | 32.0 | 5087.0 | 1.0 |
64406 | 36805 | 23:53:27 | 114.120354 | 22.544300 | 1 | 0.0 | 107.0 | 32.0 | 5087.0 | 1.0 |
64393 | 36805 | 23:53:33 | 114.120354 | 22.544300 | 1 | 0.0 | 107.0 | 32.0 | 5087.0 | 1.0 |
209250 rows × 10 columns
data_idle #空载状态的od路径
VehicleNum | Time | Lng | Lat | OpenStatus | Speed | LONCOL | LATCOL | ID | flag | |
---|---|---|---|---|---|---|---|---|---|---|
416628 | 22396 | 00:23:01 | 114.021400 | 22.663918 | 0 | 25.0 | 86.0 | 59.0 | 0.0 | 0.0 |
396136 | 22396 | 00:23:41 | 114.023148 | 22.665100 | 0 | 21.0 | 87.0 | 59.0 | 0.0 | 0.0 |
396129 | 22396 | 00:24:21 | 114.024414 | 22.665367 | 0 | 35.0 | 87.0 | 59.0 | 0.0 | 0.0 |
401744 | 22396 | 00:25:01 | 114.027115 | 22.662100 | 0 | 25.0 | 88.0 | 58.0 | 0.0 | 0.0 |
394630 | 22396 | 00:25:41 | 114.024551 | 22.659834 | 0 | 21.0 | 87.0 | 58.0 | 0.0 | 0.0 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
170971 | 36805 | 23:45:42 | 114.091217 | 22.540768 | 0 | 0.0 | 101.0 | 31.0 | 5086.0 | 0.0 |
170954 | 36805 | 23:45:57 | 114.091217 | 22.540768 | 0 | 0.0 | 101.0 | 31.0 | 5086.0 | 0.0 |
170955 | 36805 | 23:46:12 | 114.091217 | 22.540768 | 0 | 0.0 | 101.0 | 31.0 | 5086.0 | 0.0 |
64391 | 36805 | 23:53:36 | 114.120354 | 22.544300 | 0 | 0.0 | 107.0 | 32.0 | 5087.0 | 0.0 |
64396 | 36805 | 23:53:51 | 114.120354 | 22.544300 | 0 | 0.0 | 107.0 | 32.0 | 5087.0 | 0.0 |
332941 rows × 10 columns
可以看出载客状态下数据有20w条,而空载状态下数据有33w条,说明在一天的过程中,总体上处于空载状态的时间是大于载客状态的时间的。
三、绘图以及可视化展示
1.GPS轨迹的热力图绘制
# Plot the grids
fig = plt.figure(1, (16, 6), dpi=300)
ax1 = plt.subplot(111)
#ax用于调整大小
# tbd.plot_map(plt, bounds, zoom=10, style=4)
datatest.plot(ax=ax1, column='VehicleNum', legend=True)
plt.xticks([], fontsize=10)
plt.yticks([], fontsize=10)
plt.title('Taxi GPS track point count', fontsize=12);
# Plot the grids
fig = plt.figure(1, (16, 6), dpi=300) # 确定图形高为6,宽为8;图形清晰度
ax1 = plt.subplot(111)
datatest.plot(ax=ax1, column='VehicleNum', legend=True, scheme='quantiles')
# plt.legend(fontsize=10)
plt.xticks([], fontsize=10)
plt.yticks([], fontsize=10)
plt.title('Taxi GPS track point count', fontsize=12);
# Plot the grids
fig = plt.figure(1, (16, 6), dpi=150) # 确定图形高为6,宽为8;图形清晰度
ax1 = plt.subplot(111)
datatest.plot(ax=ax1, column='VehicleNum', legend=True, cmap='OrRd', scheme='quantiles')
# plt.legend(fontsize=10)
plt.xticks([], fontsize=10)
plt.yticks([], fontsize=10)
plt.title('Taxi GPS track point count', fontsize=12);
2.载客状态和空载状态下的od订单图
traj_deliver = tbd.points_to_traj(data_deliver)
traj_deliver.plot()
traj_idle = tbd.points_to_traj(data_idle)
traj_idle.plot()
3.依赖keplergl第三方包绘制可交互式的可视化动画
keplergl是由Uber开源的一款地理数据可视化工具,我们可以在Jupyter notebook中使用该工具让我们的数据可视化做到美观。使用前需要先安装,安装教程可参考该篇文章:点击跳转
keplergl官网:点击跳转
①可交互式热力图
# 可视化数据点分布
tbd.visualization_data(data,col = ['Lng','Lat'],accuracy=40,height = 500) #accuracy是栅格大小,数值越大表示一个栅格涵盖地图面积越大
②可交互式OD订单图
# 可视化数据点分布
tbd.visualization_od(oddata,accuracy=2000,height = 500)
注:同时使用Ctrl和鼠标左键可移动观看视角
③可交互式的视频动图
tbd.visualization_trip(data_deliver) #一天当中的所有载客轨迹
总结
大家按照上述步骤进行项目,大问题是没有的,之前我遇到的主要问题就是transbigdata的包找了半天,其他的一些如各个包版本之间不适配的问题,可以直接百度解决。本项目的主要难点就是要去理解数据处理的一些函数,这些函数的大概功能我已经在注释中和内容中阐述了。如果有小伙伴想更加深入的了解函数的原理,可以去看transbigdata的源代码,这样可以更加直观的了解这些函数。文章来源:https://www.toymoban.com/news/detail-427575.html
补充
如有其他问题,请私信我,谢谢。文章来源地址https://www.toymoban.com/news/detail-427575.html
到了这里,关于基于python的transbigdata实现出租车轨迹数据分析与可视化的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!