目錄

• 一、卡口數(shù)據(jù)簡(jiǎn)介
• 二、斷面基本圖

一、卡口數(shù)據(jù)簡(jiǎn)介

數(shù)據(jù)名稱含義

DEVICEID	設(shè)備ID
TRAVELID	車輛ID，可分辨車輛
hpzl	車輛類型，1表示大型車，2表示小汽車
SJ	時(shí)間
LANEID	車道編號(hào)，較長(zhǎng)編號(hào)表示該位置處于上下游車道過渡區(qū)域，無劃線；-1表示由于技術(shù)原因?qū)е碌臒o效計(jì)數(shù)，可忽略該檢測(cè)值
LANNUM	車道數(shù)
SPEED	瞬時(shí)車速
TURN	車道方向信息，LSR分別表示左直右及其組合，LU和RU分別表示左掉頭和右掉頭，LC表示上下游車道連接過渡段，表明此斷面包含車道變化區(qū)域
FTNODE	起始節(jié)點(diǎn)

卡口布設(shè)簡(jiǎn)圖

二、斷面基本圖

交通流特性（流速密）在斷面、路段上的區(qū)別

繪制南進(jìn)口道上游的斷面基本圖，南進(jìn)口道上游的數(shù)據(jù)對(duì)應(yīng)條件DEVICEID為507，TURN為S

斷面基本圖使用調(diào)和平均車速公式計(jì)算平均車速

import numpy as np import pandas as pd import matplotlib.pyplot as plt import matplotlib.dates as mdate import time# 數(shù)據(jù)導(dǎo)入 kk_data = pd.read_csv('data/kk_data/kk.csv')# 篩選南進(jìn)口道數(shù)據(jù)，數(shù)據(jù)對(duì)應(yīng)條件DEVICEID為507，TURN為S kk_data_south = kk_data[(kk_data['DEVICEID']==507) & (kk_data['TURN']=='S')].copy()# 時(shí)間字段SJ數(shù)據(jù)類型不符合要求，將其轉(zhuǎn)換為時(shí)間類型 kk_data_south['SJ'] = pd.to_datetime(kk_data_south['SJ']) kk_data_south = kk_data_south.sort_values(by = 'SJ') # 排序# 以5分鐘為間隔，統(tǒng)計(jì)南進(jìn)口道斷面的流量與平均車速 def kk(kk_data):kk_data['1/SPEED'] = 1 / kk_data['SPEED']kk_data_group = kk_data.groupby(['DEVICEID',pd.Grouper(key='SJ',freq='5min')])kk_data_flow = kk_data_group['DEVICEID'].count()kk_data_flow = kk_data_flow * 12kk_data_speed = 1 / (kk_data_group['1/SPEED'].mean())return kk_data_flow,kk_data_speed kk_south_flow,kk_south_speed = kk(kk_data_south) kk_south_flow = kk_south_flow / 2 # 南進(jìn)口道上游的車道數(shù)為2# 計(jì)算密度 kk_south_density = kk_south_flow / kk_south_speed# 繪圖 plt.xlabel('K: veh/km/lane') plt.ylabel('Q: veh/h/lane', rotation=360, horizontalalignment='right', verticalalignment='center') plt.scatter(kk_south_density, kk_south_flow, c=kk_south_flow) plt.show() 斷面基本圖

水平有限，僅供參考，如有錯(cuò)誤請(qǐng)指出

總結(jié)

以上是生活随笔為你收集整理的利用卡口数据绘制断面基本图——Python交通数据分析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。