Transbigdata

TransBigData 交通时空大数据分析

TransBigData 是一个用于交通时空大数据处理、分析与可视化的 Python 库。本插件提供了完整的使用指南。

安装

pip install transbigdata

功能模块

根据你的任务选择对应的模块：

快速开始

典型工作流：出租车数据分析

import pandas as pd
import transbigdata as tbd

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

# 2. 数据预处理（参考 transbigdata-preprocess）
bounds = [113.75, 22.4, 114.62, 22.86]  # 深圳范围
data = tbd.clean_outofbounds(data, bounds=bounds, col=['Lng', 'Lat'])

# 3. 轨迹清洗（参考 transbigdata-traj）
data = tbd.traj_clean_redundant(data, col=['VehicleNum', 'Time', 'Lng', 'Lat'])
data = tbd.traj_clean_drift(data, col=['VehicleNum', 'Time', 'Lng', 'Lat'])

# 4. OD提取（参考 transbigdata-taxi）
od_data = tbd.taxigps_to_od(data, col=['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus'])

# 5. 栅格化分析（参考 transbigdata-grid）
params = tbd.area_to_params(bounds, accuracy=500)  # 500米栅格
od_data['LONCOL'], od_data['LATCOL'] = tbd.GPS_to_grid(od_data['slon'], od_data['slat'], params)

# 6. 可视化（参考 transbigdata-visualize）
import geopandas as gpd
grid_count = od_data.groupby(['LONCOL', 'LATCOL']).size().reset_index(name='count')
grid_count['geometry'] = tbd.grid_to_polygon([grid_count['LONCOL'], grid_count['LATCOL']], params)
gdf = gpd.GeoDataFrame(grid_count, geometry='geometry', crs='EPSG:4326')
gdf.plot(column='count', cmap='YlOrRd', legend=True)

常用默认配置

• 栅格精度: 500米（城市级）或 1公里（区域级）
• 栅格类型: 方形栅格（method='rect'）
• 停留判定: 1800秒（30分钟）
• 漂移清洗: 速度上限 80-100 km/h

使用建议

1. 新手入门: 从 transbigdata-grid（栅格化）开始，这是最核心的功能
2. 数据清洗: 先用 transbigdata-preprocess 检查数据质量，再用 transbigdata-traj 清洗
3. 出租车分析: 按顺序使用 预处理 → 轨迹清洗 → OD提取 → 栅格化 → 可视化
4. 坐标问题: 如果数据来自高德/百度地图，先用 transbigdata-coordinates 转换坐标

参考文档

• TransBigData 官方文档
• TransBigData GitHub
• 示例教程