基于python的transbigdata实现出租车轨迹数据分析与可视化

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。

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

第三包的导入

import transbigdata as tbdimport pandas as pdimport geopandas as gpdimport 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。

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

读入深圳市地图数据

# Read the GeoDataFrame of the study areasz = gpd.read_file(r'D:/code_for_school/visualtaxi/geo_data/sz.json')#修改自身路径即可sz.crs = Nonesz.head()

sz.plot()

二、数据处理

剔除掉超出深圳地图范围的数据

# Data Preprocessing# Delete the data outside of the study areadata = tbd.clean_outofshape(data, sz, col=['Lng', 'Lat'], accuracy=500)  #剔除超出研究区域的数据data.head(20)

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。

对数据按照车辆编号和时间顺序排好

# Delete the data with instantaneous changes in passenger statusdata = 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)

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。

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 parametersbounds = [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 gridsdata['LONCOL'], data['LATCOL'] = tbd.GPS_to_grid(data['Lng'], data['Lat'], params)data.head()

这一部分完成，我们就已经将数据划分在不同的栈格里了。

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 gridsdatatest['geometry'] = tbd.grid_to_polygon([datatest['LONCOL'], datatest['LATCOL']], params)# Change it into GeoDataFrame# import geopandas as gpddatatest = 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。

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

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

209250 rows × 10 columns

data_idle #空载状态的od路径

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

GPS轨迹的热力图绘制

# Plot the gridsfig = 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 gridsfig = 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 gridsfig = 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。

补充

如有其他问题，请私信我，谢谢。

来源地址：https://blog.csdn.net/weixin_54309935/article/details/129677864