transbigdata笔记:其他方法

news2024/11/28 18:35:18

1 出租车相关

1.1 taxigps_to_od 提取出租车OD信息

transbigdata.taxigps_to_od(
    data, 
    col=['VehicleNum', 'Stime', 'Lng', 'Lat', 'OpenStatus'])

输入出租车GPS数据,提取OD信息

data出租车GPS数据
col['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus']五列

比如GPS数据长这样:

oddata = tbd.taxigps_to_od(data,col = ['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus'])
oddata

s开头的是start,e开头的是end

根据源码的意思,只考虑有乘客的轨迹(即OD中的轨迹是OpenStatus为1的那些)

1.2 taxigps_traj_point 

输入出租车数据和OD数据,提取配送和闲置行程的轨迹点

1.2.1 基本使用方法

transbigdata.taxigps_traj_point(
    data, 
    oddata, 
    col=['Vehicleid', 'Time', 'Lng', 'Lat', 'OpenStatus'])
data出租车GPS数据
oddata出租车OD数据(载客状态)
col['Vehicleid', 'Time', 'Lng', 'Lat', 'OpenStatus']

 返回内容

data_deliver送载客行程的轨迹点
data_idle空闲行程的轨迹点

2 轨迹聚合相关

2.1 odagg_grid

transbigdata.odagg_grid(
    oddata, 
    params, 
    col=['slon', 'slat', 'elon', 'elat'], 
    arrow=False)

 聚合 OD 矩阵并生成格网几何。输入是 OD 矩阵(每行代表一个行程)。OD 将分配给网格,然后以地理数据帧的形式进行聚合

2.1.1 主要参数

oddataOD数据
col

起点/终点位置的列,[‘slon’, ‘slat’, ‘elon’, ‘elat’]。每列的默认权重为 1。

还可以添加权重参数,例如 [‘slon’, ‘slat’, ‘elon’, ‘elat’, ‘count’]。

params

网格参数(lonStart,latStart,deltaLon,deltaLat),lonStart和latStart是左下角的坐标,deltaLon,deltaLat是单个网格的长度和宽度

transbigdata笔记:数据栅格化-CSDN博客 第2小节的返回内容

arrow生成的OD地理线是否包含箭头

2.1.2 举例

使用1.1中的oddata

params是

{'slon': 113.6,
 'slat': 22.4,
 'deltalon': 0.004872390756896538,
 'deltalat': 0.004496605206422906,
 'theta': 0,
 'method': 'rect',
 'gridsize': 500}

od_gdf = tbd.odagg_grid(oddata, params)
od_gdf

 开始网格,结束网格,开始-结束网格这样的轨迹的数量,开始网格的坐标,结束网格的坐标,开始结束网格组成的geometry

 2.1.2.1 可视化

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)
od_gdf.plot(ax=ax1, column='count',legend=True)
plt.xticks([], fontsize=10)
plt.yticks([], fontsize=10)
plt.title('OD Trips', fontsize=12);

2.2 odagg_shape

生成 OD 聚合结果和相应的几何图形。输入是 OD 数据(每行代表一个行程)。OD 将分配给格网,然后以地理数据帧的形式进行聚合。

2.2.1 主要使用方法

transbigdata.odagg_shape(
    oddata, 
    shape, 
    col=['slon', 'slat', 'elon', 'elat'], 
    params=None, 
    round_accuracy=6, 
    arrow=False)

2.2.2 主要参数说明

oddataOD数据
col

起点/终点位置的列,[‘slon’, ‘slat’, ‘elon’, ‘elat’]。每列的默认权重为 1。

还可以添加权重参数,例如 [‘slon’, ‘slat’, ‘elon’, ‘elat’, ‘count’]。

params

网格参数(lonStart,latStart,deltaLon,deltaLat),lonStart和latStart是左下角的坐标,deltaLon,deltaLat是单个网格的长度和宽度

transbigdata笔记:数据栅格化-CSDN博客 第2小节的返回内容

arrow生成的OD地理线是否包含箭头

以上四个和odagg_grid是一样的,唯一不一样的参数是:

round_accuracy实现聚合时纬度和经度的小数位数
shape目标交通区域的GeoDataFrame

 2.2.3 举例

#聚合成多边形
od_gdf = tbd.odagg_shape(oddata, sz, round_accuracy=6)
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)
od_gdf.plot(ax=ax1, column='count')
plt.xticks([], fontsize=10)
plt.yticks([], fontsize=10)
plt.title('OD Trips', fontsize=12);

round_accuracy=1
round_accuracy=2
round_accuracy=3

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1392596.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

docker screen 常用基础命令

1.docker基础命令 1.1开启docker systemctl start docker #开启docker service docker restart #重启docker systemctl stop docker #关闭docker 1.2查看命令 docker images #查看docker镜像docker ps #查看正在运行的镜像或者容器docker ps -a #查看所有容器1.3运…

信驰达科技参与《汽车玻璃集成UWB数字钥匙发展研究白皮书》编制工作

为进一步探索汽车数字钥匙技术路线及开发思路,中国智能网联汽车产业创新联盟(CAICV)、福耀玻璃工业集团股份有限公司联合发起了《汽车玻璃集成UWB数字钥匙发展研究白皮书》研究工作。 2023年12月20日,由中国智能网联汽车产业创新…

Linux:/proc/kmsg 与 /proc/sys/kernel/printk_xxx

目录 前言一、/proc/kmsg1、简介2、如何修改内核日志缓冲区3、dmesgklogctl 函数(来源于 man 手册) 4、扩展阅读 二、 /proc/sys/kernel/printk_xxx三、/dev/kmsg 前言 本篇文章将为大家介绍与 Linux 内核日志相关的一些控制文件,共同学习&am…

C语言总结十二:文件操作详细总结

在操作系统中,为了统一对各种硬件的操作,简化接口,不同的硬件设备也都被看成一个文件。对这些文件的操作,等同于对磁盘上普通文件的操作。我们不去探讨硬件设备是如何被映射成文件的,把任意 I/O 设备,转换成…

ResNet论文翻译和精读

1:论文原文 论文原文: ResNet 2:该论文解决了什么问题? 改论文解决了深层的神经网络训练时的梯度消失和梯度爆炸的问题; 3:该论文的创新点? 将快捷连接应用到了网络中构建成了残差网络块;…

【嘉立创EDA-PCB设计指南】3.网络表概念解读+板框绘制

前言:本文对网络表概念解读板框绘制(确定PCB板子轮廓) 网络表概念解读 在本专栏的上一篇文章【嘉立创EDA-PCB设计指南】2,将设计的原理图转为了PCB,在PCB界面下出现了所有的封装,以及所有的飞线属性&…

代码随想录算法训练营29期|day 22 任务以及具体安排

235. 二叉搜索树的最近公共祖先 class Solution {public TreeNode lowestCommonAncestor(TreeNode root, TreeNode p, TreeNode q) {if(root null) return null;//向左遍历if(root.val > p.val && root.val > q.val){TreeNode left lowestCommonAncestor(roo…

Redis和MySQL如何保持数据一致性

前言 在高并发的场景下,大量的请求直接访问Mysql很容易造成性能问题。所以,我们都会用Redis来做数据的缓存,削减对数据库的请求。但是,Mysql和Redis是两种不同的数据库,如何保证不同数据库之间数据的一致性就非常关键…

基于springboot+vue的在线拍卖系统(前后端分离)

博主主页:猫头鹰源码 博主简介:Java领域优质创作者、CSDN博客专家、公司架构师、全网粉丝5万、专注Java技术领域和毕业设计项目实战 主要内容:毕业设计(Javaweb项目|小程序等)、简历模板、学习资料、面试题库、技术咨询 文末联系获取 项目背景…

redis数据安全(四)复制

关系数据库通常会使用一个主服务器向多个从服务器发送更新,并使用从服务器来处理所有读请求,Redis也采用了同样的方法来实现自己的复制特性,并将其用做扩展性能的一种手段。 一、特点: 1、异步复制:Redis默认使用的是…

Liunx:线程

我们先说一个程序是怎么执行的: 我们编写好一个代码,经过预编译,编译,汇编,连接,形成一个二进制文件被写进磁盘中,通常我们把他叫做可执行程序。 我们可以双击运行,运行需要经过几个…

Modern C++ std::mutex底层原理

前言 我时常有这样的疑问: std::mutex怎么就能保证后面的语句100%安全哪?CPU reordering就不会把这些语句重排到mutex前面执行?而且各个CPU都是有L1、L2缓存的,如果mutex后面要访问的的变量在这些缓存中怎么办? 带着…

sqlilabs第五十七五十八关

Less-57(GET - challenge - Union- 14 queries allowed -Variation 4) 手工注入 Less-58(GET - challenge - Double Query- 5 queries allowed -Variation 1) 手工注入 报错注入就可以(布尔注入的话次数不够)(所以我们前面需要做够足够的数据支持) 最后…

whistle代理+mock轻松解决“页面端“测试接口没数据难题

0、whistle是什么?怎么用? 自行百度,此处不再赘述! 1、示例演示(交易订单测试) 背景和痛点最近在测试一个小需求,需要涉及订单侧服务商品库侧服务库存侧服务财务侧线下交易服务。痛点主要在订…

abap 将xstring转换成PDF展示

收到外围系统的xstring之后,如何在sap中将其打开呢 1.创建一个屏幕 2.绘制一个customer control 3.创建流逻辑 4.流逻辑如下: DATA: go_html_container TYPE REF TO cl_gui_custom_container, go_html_control TYPE REF TO cl_gui_html_viewer, lv_u…

66.Go从零搭建一个orm框架【简版】

文章目录 一:前置学习1、 为什么要用orm2、Golang里面是如何原生连接MySQL的3、ORM框架构想 二: 开始造1、连接Connect2、设置/读取表名Table/GetTable3、新增/替换Insert/Replace4、条件Where5、条件OrWhere6、删除Delete7、修改Update8、查询9、设置查询字段Field…

序列到序列模型

一.序列到序列模型的简介 序列到序列(Sequence-to-Sequence,Seq2Seq)模型是一类用于处理序列数据的深度学习模型。该模型最初被设计用于机器翻译,但后来在各种自然语言处理和其他领域的任务中得到了广泛应用。 Seq2Seq模型的核…

介绍下Redis?Redis有哪些数据类型?

一、Redis介绍 Redis全称(Remote Dictionary Server)本质上是一个Key-Value类型的内存数据库,整个数据库统统加载在内存当中进行操作,定期通过异步操作把数据库数据flush到硬盘上进行保存。因为是纯内存操作,Redis的性…

Spring框架的背景学习

Spring 的前世今生 相信经历过不使用框架开发 Web 项目的 70 后、80 后都会有如此感触,如今的程序员开发项目太轻松了,基本只需要关心业务如何实现,通用技术问题只需要集成框架便可。早在 2007 年,一个基于 Java语言的开源框架正…

Python环境下基于自适应滤波器的音频信号(wav格式)降噪方法

Python的集成环境我一般使用的是Winpython,Winpytho脱胎于pythonxy,面向科学计算,兼顾数据分析与挖掘;Anaconda主要面向数据分析与挖掘方面,在大数据处理方面有自己特色的一些包;Winpytho强调便携性&#x…