建网站的公司广州,vue 大型网站开发,cms网站怎么做,龙岩网站建设大概费用数据来源#xff1a;Taxi Trajectory Data_数据集-阿里云天池 (aliyun.com)
1 数据介绍
葡萄牙波尔图市运行的所有442辆出租车的全年轨迹#xff08;从2013年7月1日至2014年6月30日#xff09;
2 读取数据
import pandas as pdtrapd.read_csv(C:/Users/16000/Download…数据来源Taxi Trajectory Data_数据集-阿里云天池 (aliyun.com)
1 数据介绍
葡萄牙波尔图市运行的所有442辆出租车的全年轨迹从2013年7月1日至2014年6月30日
2 读取数据
import pandas as pdtrapd.read_csv(C:/Users/16000/Downloads/train/train(1).csv)
tra 170万条轨迹
2.1 数据每一列的意义
TRIP_ID每次行程的唯一标识符CALL_TYPE标识要求此服务的方式。可能包含三个可能的值之一 ‘A’ 如果此行程是从中心调度的‘B’ 如果此行程是直接要求特定站点的出租车司机的‘C’ 其他即在随机街道上要求的行程。ORIGIN_CALL 包含用于要求至少一项服务的每个电话号码的唯一标识符 如果CALL_TYPEA它标识行程的客户。否则它假定为NULL值 ORIGIN_STAND 包含出租车站点的唯一标识符。 如果CALL_TYPEB它标识行程的起始点。否则它假定为NULL值 TAXI_ID包含执行每次行程的出租车司机的唯一标识符TIMESTAMP Unix时间戳以秒为单位 标识行程的开始 DAYTYPE 标识行程开始的天类型。它假定三个可能的值之一 ‘B’ 如果此行程开始于假日或任何其他特殊日子即延长假期、浮动假期等‘C’ 如果行程开始于类型B天的前一天‘A’ 其他即正常日子工作日或周末。MISSING_DATA 当GPS数据流完整时为FALSE 当一个或多个位置缺失时为TRUE POLYLINE 以字符串形式映射的GPS坐标列表即WGS84格式 此列表包含行程每15秒的一对坐标。 最后一个列表项对应行程的目的地而第一个代表其开始 行程的总行驶时间定义为点的数量-1x 15秒。
例如POLYLINE中有101个数据点的行程长度为101-1* 15 1500秒
3 python可视化一条轨迹
loctra.at[0,POLYLINE]
loc[[-8.618643,41.141412],[-8.618499,41.141376],[-8.620326,41.14251],[-8.622153,41.143815],[-8.623953,41.144373],[-8.62668,41.144778],[-8.627373,41.144697],[-8.630226,41.14521],[-8.632746,41.14692],[-8.631738,41.148225],[-8.629938,41.150385],[-8.62911,41.151213],[-8.629128,41.15124],[-8.628786,41.152203],[-8.628687,41.152374],[-8.628759,41.152518],[-8.630838,41.15268],[-8.632323,41.153022],[-8.631144,41.154489],[-8.630829,41.154507],[-8.630829,41.154516],[-8.630829,41.154498],[-8.630838,41.154489]]#提取第一条轨迹的geometryloc_lstjson.loads(loc)
loc_lst [[lat, lon] for lon, lat in loc_lst]
loc_lst[[41.141412, -8.618643],[41.141376, -8.618499],[41.14251, -8.620326],[41.143815, -8.622153],[41.144373, -8.623953],[41.144778, -8.62668],[41.144697, -8.627373],[41.14521, -8.630226],[41.14692, -8.632746],[41.148225, -8.631738],[41.150385, -8.629938],[41.151213, -8.62911],[41.15124, -8.629128],[41.152203, -8.628786],[41.152374, -8.628687],[41.152518, -8.628759],[41.15268, -8.630838],[41.153022, -8.632323],[41.154489, -8.631144],[41.154507, -8.630829],[41.154516, -8.630829],[41.154498, -8.630829],[41.154489, -8.630838]]
import numpy as np
loc_lstnp.array(loc_lst)
lat,lonnp.mean(loc_lst,axis0)
lat,lon
#(41.14919347826088, -8.62801630434783)import foliummfolium.Map(location(lat,lon),zoom_start15)folium.PolyLine(locationsloc_lst,weight10).add_to(m)
m
#画图
