交通時空大數據詳解：車輛軌跡數據分析、挖掘與可視化（Python版）

目　錄

基礎應用篇

第1章 車輛軌跡數據概述 2

1.1　車輛軌跡數據的基本特徵 2

1.1.1　個體 3

1.1.2　時間 3

1.1.3　空間 3

1.1.4　其他信息 4

1.2　車輛軌跡數據的採集原理 4

1.2.1　基於車載GPS或手機GPS定位技術 5

1.2.2　基於無人機或高層建築固定攝像頭視頻識別技術 6

1.2.3　基於車牌識別技術 6

1.2.4　基於電子不停車收費系統 7

1.2.5　不同採集原理的車輛軌跡數據特徵比較 7

1.3　開源車輛軌跡數據集簡介 8

1.4　本書的技術體系 9

1.4.1　Python數據分析生態 9

1.4.2　Pandas數據處理 10

1.4.3　GeoPandas與空間數據處理 11

1.4.4　TransBigData交通時空大數據處理、分析與可視化工具 12

第2章 車輛軌跡數據的預處理 13

2.1　車輛軌跡數據的讀取與存儲 13

2.1.1　數據的讀取 13

2.1.2　數據的存儲 14

2.1.3　多個數據文件的讀取與合並 15

2.1.4　軌跡數據的分塊存儲 16

2.1.5　軌跡數據的分佈式處理（Dask） 17

2.2　車輛軌跡數據的質量分析 19

2.2.1　數據質量分析的關註要點 19

2.2.2　字段的取值與缺失分析 20

2.2.3　數據的質量分析 23

2.3　車輛軌跡數據的數據清洗 29

2.3.1　數據的缺失值補全 30

2.3.2　數據的冗餘剔除 30

2.3.3　數據的漂移清洗 32

2.4　車輛軌跡數據的平滑處理 38

2.4.1　卡爾曼濾波的基本原理 38

2.4.2　基於卡爾曼濾波的軌跡數據平滑處理 42

2.4.3　軌跡平滑適用場景的討論 46

2.5　車輛軌跡數據的增密與稀疏化 47

2.5.1　軌跡的增密 47

2.5.2　軌跡的稀疏化 49

2.6　車輛軌跡數據的坐標轉換 51

2.6.1　地理坐標系與投影坐標系的坐標轉換 51

2.6.2　地理坐標系與火星坐標系的坐標轉換 52

2.7　車輛軌跡數據的柵格化 53

2.7.1　為什麽要柵格化 53

2.7.2　軌跡柵格化的方法 54

2.7.3　TransBigData實現軌跡柵格化 57

2.8　車輛軌跡數據的停車與出行識別 59

2.8.1　停車識別方法 59

2.8.2　出行識別方法 61

2.9　車輛軌跡數據的切片與分段 64

2.9.1　軌跡的切片 64

2.9.2　軌跡的分段 66

2.9.3　計算軌跡長度 68

2.10　車輛軌跡數據預處理方法小結 72

第3章 車輛軌跡數據的可視化 76

3.1　基於Matplotlib的地圖可視化 76

3.1.1　車輛軌跡數據的散點圖繪制 76

3.1.2　車輛軌跡數據的柵格圖繪制 79

3.1.3　車輛軌跡數據的熱力圖繪制 81

3.2　基於WebGIS的在線可視化工具 92

3.2.1　KeplerGL數據分佈可視化 93

3.2.2　Mobmap動態軌跡可視化 95

3.2.3　ODview出行起終點可視化 96

3.3　在Python中實現的WebGIS交互式可視化 98

3.3.1　Folium實現軌跡數據可視化 98

3.3.2　TransBigData的車輛數據可視化 100

高級應用篇

第4章 車輛軌跡數據的路網匹配 104

4.1　基於OSMnx的路網數據獲取與處理 104

4.1.1　OSMnx簡介 104

4.1.2　路網數據獲取 105

4.1.3　路網數據的存儲形式與路網的自定義 110

4.1.4　路網的預處理 115

4.1.5　路網的最短路徑計算 118

4.1.6　路網處理小結 125

4.2　基於近鄰匹配的路網匹配 127

4.2.1　KDTree近鄰匹配 127

4.2.2　對軌跡數據進行路網的近鄰匹配 129

4.3　基於最短路徑的路網匹配 134

4.4　基於隱馬爾可夫模型的路網匹配 138

4.4.1　隱馬爾可夫模型 138

4.4.2　簡化的路網匹配隱馬爾可夫模型實現 140

4.4.3　基於leuvenmapmatching的路網匹配 146

4.5　路網匹配小結 152

第5章 車輛軌跡數據的排放計算 155

5.1　COPERT排放模型 155

5.1.1　COPERT模型簡介 155

5.1.2　COPERT污染物計算方法分類 155

5.1.3　排放的構成 156

5.1.4　熱排放 157

5.1.5　冷啟動排放 158

5.1.6　CO2的排放計算 160

5.1.7　COPERT模型小結 161

5.2　車輛軌跡數據的排放計算 162

5.2.1　車輛出行信息的準備 162

5.2.2　基於車輛軌跡數據的排放計算 163

5.2.3　排放時空分佈的整理 165

5.3　車輛排放的可視化 169

5.3.1　排放空間分佈的可視化 169

5.3.2　排放時間分佈的可視化 173

第6章 車輛軌跡數據的多智能體模擬 175

6.1　模擬模型的基本框架 175

6.1.1　模擬模型的整體設計 175

6.1.2　模擬時間與模擬步的管理 177

6.1.3　模擬信息的存儲 179

6.1.4　模擬模型框架小結 181

6.2　智能體的屬性與功能設計 183

6.2.1　環境智能體 183

6.2.2　車輛智能體 187

6.3　多智能體模擬的運行 193

6.3.1　代碼小結與小規模測試 193

6.3.2　軌跡的精細模擬 199

6.3.3　模擬模型的優化建議 200

實戰案例篇

第7章 電動汽車GPS數據：充電需求識別 202

7.1　充電需求識別思路 202

7.2　數據預處理與出行停留信息識別 203

7.3　電動汽車的剩餘電量估計 204

7.3.1　充電電量計算 205

7.3.2　出行能耗計算 208

7.3.3　剩餘電量預測 208

7.4　電動汽車的充電需求分析 213

7.4.1　電動汽車個體剩餘電量時變分析 213

7.4.2　充電站的負荷估計與分析 214

第8章 無人機航拍軌跡數據：車流交通波分析（NGSIM數據） 219

8.1　NGSIM數據的特徵 219

8.2　NGSIM數據的預處理 220

8.2.1　數據篩選 220

8.2.2　基於QGIS的地圖處理與車輛軌跡定位 222

8.3　NGSIM數據的交通波識別 223

8.3.1　交通波簡介 223

8.3.2　交通波特徵參數介紹 224

8.3.3　時空二維平面軌跡可視化 224

8.3.4　交通波特徵參數提取及可視化 229

8.3.5　交通波特徵分析案例 233

第9章 無人機航拍軌跡數據：路網運行狀態提取與分析（pNEUMA數據） 239

9.1　航拍軌跡數據特徵 239

9.2　數據準備 240

9.2.1　數據壓縮 241

9.2.2　地圖數據加載 242

9.3　網絡交通狀態提取與分析 244

9.3.1　路段流量獲取 244

9.3.2　路段行程時間獲取 246

9.3.3　路段到路段行程時間 250

9.4　實戰應用：OD矩陣及路徑流量提取 251

9.4.1　OD矩陣提取 252

9.4.2　路徑流量提取 255