# Transbigdata

> TransBigData 交通时空大数据分析工具集。适用于轨迹数据栅格化、轨迹清洗处理、出租车OD提取、公交地铁网络分析、坐标转换、数据可视化等交通大数据分析任务。

- Skill: `ni1o1/transbigdata` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add ni1o1/transbigdata`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ni1o1/transbigdata/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

---


# 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

```bash
pip install transbigdata
```

## 功能模块

根据你的任务选择对应的模块：

| 模块 | 适用场景 | 调用命令 |
|------|----------|----------|
| **栅格化** | GPS点映射到栅格、生成方形/六边形栅格、Geohash编码 | `/transbigdata:transbigdata-grid` |
| **轨迹处理** | 轨迹清洗（漂移、冗余）、平滑、分段、停留识别、路网匹配 | `/transbigdata:transbigdata-traj` |
| **数据预处理** | 数据质量检查、采样间隔分析、边界过滤、ID重编号 | `/transbigdata:transbigdata-preprocess` |
| **出租车分析** | 出租车状态清洗、OD提取、载客/空驶轨迹分离 | `/transbigdata:transbigdata-taxi` |
| **可视化** | 热力图、轨迹动画、OD流向图、底图加载 | `/transbigdata:transbigdata-visualize` |
| **坐标转换** | WGS84/GCJ02/BD09互转、距离计算 | `/transbigdata:transbigdata-coordinates` |
| **公交地铁** | 地铁网络建模、最短路径、换乘分析、公交到站识别 | `/transbigdata:transbigdata-metroline` |
| **数据获取** | 获取公交线路站点、行政区划、等时圈 | `/transbigdata:transbigdata-getdata` |

## 快速开始

### 典型工作流：出租车数据分析

```python
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](https://transbigdata.readthedocs.io/)
- [TransBigData GitHub](https://github.com/ni1o1/transbigdata)
- [示例教程](https://transbigdata.readthedocs.io/en/latest/example.html)