# Transbigdata Metroline

> 使用 TransBigData 构建公交地铁网络拓扑和路径分析。适用于地铁网络建模、最短路径查询、换乘分析、公交 GPS 到站识别等任务。

- Skill: `ni1o1/transbigdata-metroline` (Agent Skill)
- Install (CLI): `npx skillmds@latest add ni1o1/transbigdata-metroline`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ni1o1/transbigdata-metroline/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: ni1o1 (https://skillmd.com/u/ni1o1)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/ni1o1/transbigdata-metroline

---


# TransBigData 公交地铁网络指南

## 安装

```bash
pip install transbigdata networkx geopandas
```

## 地铁网络建模

### 1. 构建网络 - `metro_network()`

```python
import transbigdata as tbd
import geopandas as gpd

# 加载线路和站点数据
line = gpd.read_file('metro_lines.shp')  # 需包含 linename, speed, stoptime
stop = gpd.read_file('metro_stops.shp')

# 构建网络图
G = tbd.metro_network(
    line,
    stop,
    transfertime=5  # 换乘时间（分钟）
)
```

**数据要求**:
- `line`: 包含 `linename`（线路名）、`speed`（运行速度）、`stoptime`（停站时间）
- `stop`: 站点位置数据

### 2. 最短路径查询 - `get_shortest_path()`

```python
path = tbd.get_shortest_path(
    G,
    stop,
    ostation='福田',    # 起点站名
    dstation='罗湖'     # 终点站名
)
# 返回: 站点名列表
```

### 3. K 条最短路径 - `get_k_shortest_paths()`

```python
paths = tbd.get_k_shortest_paths(
    G,
    stop,
    ostation='福田',
    dstation='罗湖',
    k=3  # 前3条最短路径
)
```

### 4. 路径耗时计算 - `get_path_traveltime()`

```python
travel_time = tbd.get_path_traveltime(G, path)  # 返回分钟
```

### 5. 线路分割 - `split_subwayline()`

将地铁线路按站点分割为线段。

```python
line_segments = tbd.split_subwayline(line, stop)
```

## 公交 GPS 数据处理

### 6. 到站信息识别 - `busgps_arriveinfo()`

从公交 GPS 轨迹识别到站/离站时间。

```python
arrive_info = tbd.busgps_arriveinfo(
    bus_gps_data,
    line,                    # 公交线路 GeoDataFrame
    stop,                    # 公交站点 GeoDataFrame
    col=['VehicleNum', 'GPSTime', 'Lng', 'Lat'],
    stopbuffer=200,          # 站点缓冲区半径（米）
    mintime=300              # 最小停留时间（秒）
)
```

### 7. 单程时间计算 - `busgps_onewaytime()`

```python
oneway_time = tbd.busgps_onewaytime(
    arrive_info,
    start='起点站',
    end='终点站',
    col=['VehicleNum', 'StopName', 'ArriveTime', 'LeaveTime']
)
```

## 完整示例：地铁网络分析

```python
import pandas as pd
import geopandas as gpd
import transbigdata as tbd
from shapely.geometry import Point

# 1. 准备数据
# 线路数据
line_data = gpd.GeoDataFrame({
    'linename': ['1号线', '1号线', '2号线', '2号线'],
    'speed': [60, 60, 55, 55],  # km/h
    'stoptime': [0.5, 0.5, 0.5, 0.5]  # 分钟
})

# 站点数据
stop_data = gpd.GeoDataFrame({
    'stopname': ['A站', 'B站', 'C站', 'D站'],
    'linename': ['1号线', '1号线,2号线', '2号线', '1号线'],
    'geometry': [Point(114.0, 22.5), Point(114.05, 22.52),
                 Point(114.1, 22.55), Point(114.08, 22.48)]
}, crs='EPSG:4326')

# 2. 构建网络
G = tbd.metro_network(line_data, stop_data, transfertime=5)

# 3. 查询最短路径
path = tbd.get_shortest_path(G, stop_data, ostation='A站', dstation='C站')
print(f"最短路径: {' → '.join(path)}")

# 4. 计算耗时
time = tbd.get_path_traveltime(G, path)
print(f"预计耗时: {time:.1f} 分钟")

# 5. 查询多条路径
paths = tbd.get_k_shortest_paths(G, stop_data, ostation='A站', dstation='C站', k=3)
for i, p in enumerate(paths, 1):
    t = tbd.get_path_traveltime(G, p)
    print(f"方案{i}: {' → '.join(p)}，耗时 {t:.1f} 分钟")
```

## 完整示例：公交运行分析

```python
import pandas as pd
import geopandas as gpd
import transbigdata as tbd

# 1. 加载数据
bus_gps = pd.read_csv('bus_gps.csv')
bus_gps['GPSTime'] = pd.to_datetime(bus_gps['GPSTime'])

bus_line = gpd.read_file('bus_line.shp')
bus_stop = gpd.read_file('bus_stop.shp')

# 2. 识别到站信息
arrive_info = tbd.busgps_arriveinfo(
    bus_gps,
    bus_line,
    bus_stop,
    col=['VehicleNum', 'GPSTime', 'Lng', 'Lat'],
    stopbuffer=100
)

# 3. 计算单程运行时间
oneway = tbd.busgps_onewaytime(
    arrive_info,
    start='起点站',
    end='终点站'
)

# 4. 分析运行时间分布
print(f"平均单程时间: {oneway['duration'].mean():.1f} 分钟")
print(f"最短: {oneway['duration'].min():.1f} 分钟")
print(f"最长: {oneway['duration'].max():.1f} 分钟")
```

## 使用建议

1. **网络构建**:
   - 确保站点数据包含换乘站信息
   - `transfertime` 通常设为 3-5 分钟

2. **公交GPS分析**:
   - `stopbuffer` 根据站点密度调整，通常 100-200 米
   - 数据需要先按车辆和时间排序

3. **数据准备**:
   - 可从 OpenStreetMap 或高德地图 API 获取线路站点数据
   - 使用 `getbusdata()` 函数获取公交数据

## 参考文档

完整文档: https://transbigdata.readthedocs.io/en/latest/metroline.html