transbigdata-taxi

TransBigData 出租车数据处理指南

安装

pip install transbigdata

出租车 GPS 数据格式

典型的出租车 GPS 数据包含以下字段：

字段	说明
VehicleNum	车辆编号
Time	GPS 时间
Lng	经度
Lat	纬度
OpenStatus	载客状态（1=载客，0=空车）

核心函数

1. 状态清洗 - clean_taxi_status()

删除载客状态瞬间变化的异常记录（如上下客过快）。

import transbigdata as tbd

data_clean = tbd.clean_taxi_status(
    data,
    col=['VehicleNum', 'Time', 'OpenStatus'],
    timelimit=60  # 时间阈值（秒），前后记录间隔小于此值则删除
)

2. OD 提取 - taxigps_to_od()

从 GPS 轨迹中提取载客行程的起终点（OD）。

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

返回字段:

• VehicleNum: 车辆编号
• stime, etime: 上客/下客时间
• slon, slat: 上客位置
• elon, elat: 下客位置

3. 轨迹点提取 - taxigps_traj_point()

分离载客轨迹和空驶轨迹。

# 先提取 OD
od_data = tbd.taxigps_to_od(data, col=['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus'])

# 提取轨迹点
data_deliver, data_idle = tbd.taxigps_traj_point(
    data,
    od_data,
    col=['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus']
)
# data_deliver: 载客轨迹
# data_idle: 空驶轨迹

完整示例：出租车数据分析流程

import pandas as pd
import geopandas as gpd
import transbigdata as tbd
import matplotlib.pyplot as plt

# 1. 加载数据
data = pd.read_csv('taxi_gps.csv')
data['Time'] = pd.to_datetime(data['Time'])

# 2. 数据质量检查
print(f"原始数据: {len(data)} 条")
tbd.data_summary(data, col=['VehicleNum', 'Time'])

# 3. 边界过滤（深圳范围）
bounds = [113.75, 22.4, 114.62, 22.86]
data = tbd.clean_outofbounds(data, bounds=bounds, col=['Lng', 'Lat'])
print(f"边界过滤后: {len(data)} 条")

# 4. 状态清洗
data = tbd.clean_taxi_status(
    data,
    col=['VehicleNum', 'Time', 'OpenStatus'],
    timelimit=60
)
print(f"状态清洗后: {len(data)} 条")

# 5. 提取 OD
od_data = tbd.taxigps_to_od(
    data,
    col=['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus']
)
print(f"提取 OD: {len(od_data)} 条")

# 6. 分离载客/空驶轨迹
data_deliver, data_idle = tbd.taxigps_traj_point(
    data, od_data,
    col=['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus']
)
print(f"载客轨迹: {len(data_deliver)} 点, 空驶轨迹: {len(data_idle)} 点")

# 7. OD 栅格化（500米）
params = tbd.area_to_params(bounds, accuracy=500)

# 上客点聚合
od_data['LONCOL_s'], od_data['LATCOL_s'] = tbd.GPS_to_grid(
    od_data['slon'], od_data['slat'], params
)
pickup = od_data.groupby(['LONCOL_s', 'LATCOL_s']).size().reset_index(name='count')
pickup['geometry'] = tbd.grid_to_polygon(
    [pickup['LONCOL_s'], pickup['LATCOL_s']], params
)
pickup_gdf = gpd.GeoDataFrame(pickup, geometry='geometry', crs='EPSG:4326')

# 8. 可视化上客热力图
fig, ax = plt.subplots(figsize=(12, 10))
tbd.plot_map(plt, bounds, zoom=12, style=4)
pickup_gdf.plot(ax=ax, column='count', cmap='YlOrRd', alpha=0.7, legend=True)
tbd.plotscale(ax, bounds=bounds)
plt.title('出租车上客点热力图 (500m栅格)')
plt.show()

# 9. 保存结果
od_data.to_csv('taxi_od.csv', index=False)