01. Introdução ao TransBigData
TransBigData é um pacote Python desenvolvido para processamento, análise e visualização de big data espaço-temporal de tráfego. O TransBigData fornece um método rápido e conciso para o processamento de grandes dados espaço-temporais comuns de tráfego (como dados de GPS de táxi, dados de bicicletas compartilhadas e dados de GPS de ônibus, etc.). TransBigData fornece uma variedade de métodos de processamento para vários estágios de análise de big data espaço-temporal de tráfego. O código é conciso, eficiente, flexível e fácil de usar. Ele pode realizar tarefas de dados complexas com código conciso.
Atualmente, TransBigData fornece principalmente os seguintes métodos:
❖Pré -processamento de dados: fornece métodos para calcular rapidamente informações básicas, como volume de dados, período de tempo e intervalo de amostragem para conjuntos de dados e fornece métodos de limpeza correspondentes para vários ruídos de dados.
❖ Rasterização de dados: fornece um sistema de método para gerar e combinar vários tipos de grades geográficas (grades retangulares, triangulares, hexagonais e geohash) na área de pesquisa e pode converter rapidamente dados de pontos espaciais de maneira vetorizada mapeados em uma varredura geográfica.
❖Visualização de dados : Com base no pacote de visualização keplergl, os dados podem ser exibidos de forma interativa e visual no Jupyter Notebook com código simples.
❖Processamento de trilha : gere o tipo de linha de trilha a partir de pontos de GPS de dados de trilha, densificação de ponto de trilha, desbaste, etc.
❖ Mapa base do mapa, conversão de coordenadas e cálculo: carregue e exiba a conversão de coordenadas entre o mapa base do mapa e vários sistemas de coordenadas especiais.
❖Métodos de processamento específicos : Forneça métodos de processamento correspondentes para vários dados específicos, como extrair a origem do pedido e os pontos de destino dos dados do GPS do táxi, identificar a residência e o local de trabalho a partir dos dados de sinalização do telefone celular, construir a estrutura da topologia da rede a partir dos dados GIS da rede do metrô e calcular o caminho mais curto, etc.
O TransBigData pode ser instalado via pip ou conda, execute o seguinte código no prompt de comando para instalar:
pip install -U transbigdata
Após a conclusão da instalação, execute o seguinte código em Python para importar o pacote TransBigData.
In [1]:
import transbigdata as tbd
02. Pré-processamento de dados
O TransBigData pode se conectar perfeitamente com os pacotes Pandas e GeoPandas comumente usados no processamento de dados. Primeiro importamos o pacote Pandas e lemos os dados do GPS do táxi:
In [2]:
import pandas as pd
#读取数据
data = pd.read_csv('TaxiData-Sample.csv',header = None)
data.columns = ['VehicleNum','time','lon','lat','OpenStatus','Speed']
data.head()
O resultado é mostrado na Figura 1.
■ Figura 1 Dados do GPS do táxi
Em seguida, introduza o pacote GeoPandas, leia as informações da área da área de pesquisa e exiba:
In [3]:
import geopandas as gpd
#读取研究范围区域信息
sz = gpd.read_file(r'sz/sz.shp')
sz.plot()
O resultado é mostrado na Figura 2.
■ Figura 2 Informações da área do escopo da pesquisa
O pacote TransBigData integra alguns métodos comuns de pré-processamento para tráfego de dados espaço-temporais. Dentre eles, o método tbd.clean_outofshape insere os dados e as informações da área da área de pesquisa, podendo eliminar os dados fora da área de pesquisa. O método tbd.clean_taxi_status pode remover o registro da mudança instantânea do status do passageiro nos dados do GPS do táxi. Ao usar o método de pré-processamento, você precisa passar os nomes das colunas correspondentes às colunas de informações importantes na tabela de dados. O código é o seguinte:
In [4]:
#数据预处理
#剔除研究范围外的数据,计算原理是在方法中先栅格化后栅格匹配研究范围后实现对应。因此这里需要同时定义栅格大小,越小则精度越高
data = tbd.clean_outofshape(data, sz, col=['lon', 'lat'], accuracy=500)
#剔除出租车数据中载客状态瞬间变化的数据
data = tbd.clean_taxi_status(data, col=['VehicleNum', 'time', 'OpenStatus'])
Após o processamento do código acima, já eliminamos os dados fora do escopo da pesquisa e a mudança instantânea de status do passageiro nos dados do GPS do táxi.
03. Rasterização de dados
A forma de grade (grade com o mesmo tamanho no espaço geográfico) é o método mais básico para expressar a distribuição de dados. Depois que os dados do GPS são rasterizados, cada ponto de dados contém as informações do raster onde está localizado. Quando uma grade é usada para expressar a distribuição de dados, a distribuição que ela representa é próxima da situação real.
A ferramenta TransBigData nos fornece um sistema de processamento raster completo, rápido e conveniente. Ao usar o TransBigData para rasterização, primeiro você precisa determinar os parâmetros de rasterização (que podem ser entendidos como a definição de um sistema de coordenadas de grade), e os parâmetros podem nos ajudar a rasterizar rapidamente:
In [5]:
#定义研究范围边界
bounds = [113.75, 22.4, 114.62, 22.86]
#通过边界获取栅格化参数
params = tbd.area_to_params(bounds,accuracy = 1000)
params
Out [5]:
{'slon': 113.75,
'slat': 22.4,
'deltalon': 0.00974336289289822,
'deltalat': 0.008993210412845813,
'theta': 0,
'method': 'rect',
'gridsize': 1000}
O conteúdo da saída dos parâmetros de rasterização neste momento armazena as coordenadas de origem do sistema de coordenadas da grade (slon, slat), o comprimento e a largura da latitude e longitude de uma única grade (deltalon, deltalat), o ângulo de rotação da grade ( teta) e a grade A forma da grade (o parâmetro do método, cujo valor pode ser quadrado reto, triangular tri e hexagonal hexa) e o tamanho da grade (parâmetro gridsize, em metros).
Depois de obter os parâmetros de rasterização, podemos usar os métodos fornecidos no TransBigData para realizar operações de correspondência e geração de raster em dados de GPS. O sistema completo do método de processamento de grade é mostrado na Figura 3.
■ Figura 3 O sistema de processamento raster fornecido pela TransBigData
Utilize o método tbd.GPS_to_grid para gerar para cada táxi ponto GPS. Este método irá gerar as colunas numeradas LONCOL e LATCOL, e estas duas colunas especificam conjuntamente a grade onde estão localizadas:
In [6]:
#将GPS数据对应至栅格,将生成的栅格编号列赋值到数据表上作为新的两列
data['LONCOL'],data['LATCOL'] = tbd.GPS_to_grids(data['lon'],data['lat'],params)
Na próxima etapa, agregue a quantidade de dados em cada raster, gere geometria geográfica para o raster e construa um GeoDataFrame:
In [7]:
#聚合集计栅格内数据量
grid_agg = data.groupby(['LONCOL','LATCOL'])['VehicleNum'].count().reset_index()
#生成栅格的几何图形
grid_agg['geometry'] = tbd.grid_to_polygon([grid_agg['LONCOL'],grid_agg['LATCOL']],params)
#转换为GeoDataFrame
grid_agg = gpd.GeoDataFrame(grid_agg)
#绘制栅格
grid_agg.plot(column = 'VehicleNum',cmap = 'autumn_r')
O resultado é mostrado na Figura 4.
■ Figura 5 O resultado da rasterização de dados
Para uma visualização de dados formal, também precisamos adicionar mapa base, barra de cores, seta norte e barra de escala. TransBigData também fornece funções correspondentes, o código é o seguinte:
In [8]:
import matplotlib.pyplot as plt
fig =plt.figure(1,(8,8),dpi=300)
ax =plt.subplot(111)
plt.sca(ax)
#添加行政区划边界作为底图
sz.plot(ax = ax,edgecolor = (0,0,0,0),facecolor = (0,0,0,0.1),linewidths=0.5)
#定义色条位置
cax = plt.axes([0.04, 0.33, 0.02, 0.3])
plt.title('Data count')
plt.sca(ax)
#绘制数据
grid_agg.plot(column = 'VehicleNum',cmap = 'autumn_r',ax = ax,cax = cax,legend = True)
#添加指北针和比例尺
tbd.plotscale(ax,bounds = bounds,textsize = 10,compasssize = 1,accuracy = 2000,rect = [0.06,0.03],zorder = 10)
plt.axis('off')
plt.xlim(bounds[0],bounds[2])
plt.ylim(bounds[1],bounds[3])
plt.show()
O resultado é mostrado na Figura 5.
■ Figura 5 Distribuição de dados de GPS de táxi desenhada pelo pacote tbd
04. Extração e agregação de OD origem e destino do pedido
Para dados de GPS de táxi, o TransBigData fornece um método para extrair informações de origem de pedido de táxi (OD) diretamente dos dados, o código é o seguinte:
In [9]:
#从GPS数据提取OD
oddata = tbd.taxigps_to_od(data,col = ['VehicleNum','time','Lng','Lat','OpenStatus'])
oddata
O resultado é mostrado na Figura 6.
■ Figura 6 Taxi OD extraído do pacote tbd
O método de rasterização fornecido pelo pacote TransBigData nos permite definir rapidamente a rasterização, sendo necessário apenas modificar o parâmetro de precisão para definir rapidamente rasters de diferentes tamanhos e granularidades. Redefinimos um sistema de coordenadas de grade de 2 km * 2 km e passamos seus parâmetros para o método tbd.odagg_grid para executar a agregação de grade no OD e gerar um GeoDataFrame:
In [10]:
#重新定义栅格,获取栅格化参数
params = tbd.area_to_params(bounds,accuracy = 2000)
#栅格化OD并集计
od_gdf = tbd.odagg_grid(oddata,params)
od_gdf.plot(column = 'count')
O resultado é mostrado na Figura 7.
■ Figura 7 Grade OD de agregação tbd
Adicionar mapa base do mapa, barra de cores e seta norte da barra de escala:
In [11]:
#创建图框
import matplotlib.pyplot as plt
fig =plt.figure(1,(8,8),dpi=300)
ax =plt.subplot(111)
plt.sca(ax)
#添加行政区划边界作为底图
sz.plot(ax = ax,edgecolor = (0,0,0,1),facecolor = (0,0,0,0),linewidths=0.5)
#绘制colorbar
cax = plt.axes([0.05, 0.33, 0.02, 0.3])
plt.title('Data count')
plt.sca(ax)
#绘制OD
od_gdf.plot(ax = ax,column = 'count',cmap = 'Blues_r',linewidth = 0.5,vmax = 10,cax = cax,legend = True)
#添加比例尺和指北针
tbd.plotscale(ax,bounds = bounds,textsize = 10,compasssize = 1,accuracy = 2000,rect = [0.06,0.03],zorder = 10)
plt.axis('off')
plt.xlim(bounds[0],bounds[2])
plt.ylim(bounds[1],bounds[3])
plt.show()
O resultado é mostrado na Figura 8.
■ Figura 8 Dados Raster OD desenhados por TransBigData
Ao mesmo tempo, o pacote TransBigData também fornece um método para agregar OD diretamente em regiões:
In [12]:
#OD集计到区域
#方法1:在不传入栅格化参数时,直接用经纬度匹配
od_gdf = tbd.odagg_shape(oddata,sz,round_accuracy=6)
#方法2:传入栅格化参数时,程序会先栅格化后匹配以加快运算速度,数据量大时建议使用
od_gdf = tbd.odagg_shape(oddata,sz,params = params)
od_gdf.plot(column = 'count')
O resultado é mostrado na Figura 9.
■ Figura 9 Célula OD do agregado tbd
Carregue o mapa base do mapa e ajuste os parâmetros de plotagem:
In [13]:
#创建图框
import matplotlib.pyplot as plt
import plot_map
fig =plt.figure(1,(8,8),dpi=300)
ax =plt.subplot(111)
plt.sca(ax)
#添加行政区划边界作为底图
sz.plot(ax = ax,edgecolor = (0,0,0,0),facecolor = (0,0,0,0.2),linewidths=0.5)
#绘制colorbar
cax = plt.axes([0.05, 0.33, 0.02, 0.3])
plt.title('count')
plt.sca(ax)
#绘制OD
od_gdf.plot(ax = ax,vmax = 100,column = 'count',cax = cax,cmap = 'autumn_r',linewidth = 1,legend = True)
#添加比例尺和指北针
tbd.plotscale(ax,bounds = bounds,textsize = 10,compasssize = 1,accuracy = 2000,rect = [0.06,0.03],zorder = 10)
plt.axis('off')
plt.xlim(bounds[0],bounds[2])
plt.ylim(bounds[1],bounds[3])
plt.show()
Os resultados são mostrados na Figura 10.
■ Figura 10 Resultados de visualização de OD entre áreas
05. Visualização interativa
No TransBigData, podemos usar códigos simples para visualizar dados de táxi de forma rápida e interativa no jupyter notebook. A camada inferior desses métodos de visualização depende do pacote keplergl. O resultado da visualização não é mais uma imagem estática, mas um aplicativo de mapa que pode interagir com a resposta do mouse.
O método tbd.visualization_data pode realizar a visualização da distribuição de dados. Depois que os dados são passados para este método, o TransBigData irá primeiro coletar os pontos de dados em uma grade, então gerar uma grade de dados e mapear o volume de dados para a cor. código mostra como abaixo:
In [14]:
#可视化数据点分布
tbd.visualization_data(data,col = ['lon','lat'],accuracy=1000,height = 500)
O resultado é mostrado na Figura 11.
■ Figura 11 Visualização em grade da distribuição de dados
Para o OD da viagem extraído dos dados do táxi, o método tbd.visualization_od também pode ser usado para visualizar o arco do OD. Este método também realiza agregação de grade em dados OD, gera arcos OD e mapeia viagens OD de tamanhos diferentes para cores diferentes. código mostra como abaixo:
In [15]:
#可视化数据点分布
tbd.visualization_od(oddata,accuracy=2000,height = 500)
O resultado é mostrado na Figura 12.
■ Figura 12 Visualização em arco da distribuição OD
Para dados de rastreamento contínuo de nível individual, o método tbd.visualization_trip pode processar pontos de dados em informações de trajetória com carimbos de data/hora e exibi-los dinamicamente. O código é o seguinte:
In [16]:
#动态可视化轨迹
tbd.visualization_trip(data,col = ['lon','lat','VehicleNum','time'],height = 500)
Os resultados são mostrados na Figura 13. Clique no botão play, você pode ver o efeito dinâmico da trilha do táxi em execução.
■ 13 Visualização dinâmica da trajetória do táxi