【数据处理】 python 基于Basemap地理信息可视化

数据

  在某些建模比赛中，经常碰见一些地理信息的数据，它们大多都是车辆在驾驶过程中随时间产生的经纬度序列，并伴随着车辆的各种参数。由于GPS信号并不是一直都很好（如过隧道或偏远地区），无论建模的问题是安全驾驶、驾驶工况或频繁路径挖掘等，都绕不过数据预处理，而地理信息可视化可以较为直观地帮助发现问题和评估效果。
  下面以一辆车地行驶数据为例，对其行驶轨迹进行可视化处理。数据和代码下载可见我的Github。数据表头如下表所示：

序号	指标名称	指标说明	说明
1	vehicleplatenumber	车牌号码
2	device_num	设备号
3	direction_angle	方向角	范围：0-359（从定位点的正北方向起，顺时针方向至行驶方向间的水平夹角）
4	lng	经度	东经
5	lat	纬度	北纬
6	acc_state	ACC 状态	点火 1/熄火 0
7	right_turn_signals	右转向灯	灭 0/开 1
8	left_turn_signals	左转向灯	灭 0/开 1
9	hand_brake	手刹	灭 0/开 1
10	foot_brake	脚刹	无 0/有 1
11	location_time	采集时间
12	gps_speed	GPS 速度	单位：km/h
13	mileage	GPS 里程	单位：km

可视化方法——Basemap

  本文共总结两种地理信息可视化，第一篇介绍Basemap的可视化方法，个人认为当前的Basemap手册上手不是很快，具体应用的时候还是要啥搜啥，感兴趣的可以先看下这位仁兄的Basemap手册翻译版本。
  很多注释在代码里都写了，这里就不赘述了，就说明一下，由于是国内的数据，所以为了将省的轮廓显示出来，需要下载CHN_adm_shp包，同样在Github里也有。

# -*- coding: utf-8 -*-

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
import pandas as pd

#-----底图绘制
matplotlib.rcParams['toolbar'] = 'None'
fig = plt.figure(figsize=(12, 12), edgecolor='w')
ax1 = fig.add_axes([0.1,0.1,0.8,0.8])

##中国地图
#m = Basemap(projection='lcc', 
#            llcrnrlon=80.33, 
#            llcrnrlat=3.01, 
#            urcrnrlon=138.16, 
#            urcrnrlat=56.123,
#            resolution='h',
#            lat_0 = 42.5,
#            lon_0=120,
#            ax=ax1,
#            area_thresh=10000)

#江西地图
m = Basemap(projection='merc', #投影方式
            llcrnrlon=113.5,#起始经度 113.5
            llcrnrlat=24.5, #起始纬度 24.5
            urcrnrlon=117.5, #终止经度117.5
            urcrnrlat=30.05,#终止纬度30.05
            resolution='h',#设置边界的详细程度,h是高
            lat_0 = 28.68,
            lon_0=115.89,
            ax=ax1,
            area_thresh=10000)

island_col = '#FFDEAD' #陆地颜色
lake_col = '#87CEFA' #湖水颜色
line_col = 'purple' #轨迹颜色
m.fillcontinents(color = island_col,lake_color = lake_col)
m.drawstates()        # 绘制州
m.drawcoastlines()    # 绘制海岸线
m.drawcountries()     # 绘制国家

m.drawparallels(np.arange(24,31,1),labels=[1,1,0,1])
# 画出纬线， 在北纬10度到90度区间内以20度为单位， 纬度标记在图形左右和下测
m.drawmeridians(np.arange(112,120,1),labels=[1,1,0,1])
# 画出经线， 从西经180度到东经180度区间内以30度为单位， 经度标记在图形左右和下测

shp_info = m.readshapefile("./CHN_adm_shp/CHN_adm1",'states',drawbounds=True) # CHN_adm1的数据是中国各省区域

#-----数据读取
posi = pd.read_csv('driving_data.csv',header = 0)
num = len(posi) 
lng = posi["lng"].values # 获取经度值
lat = posi["lat"].values # 获取纬度值

x,y = m(lng,lat)

#-----轨迹绘制
#散点
m.scatter(x, y, s=1, c='r', alpha=0.7, zorder=10)

#连线
#m.plot(x,y,marker=None,color = line_col,linewidth = 1)

效果

  先看散点图，1）散点图的点设置的点很小，但绘制出来看上去很大，可以推断这辆车是反复行驶于某一路径。2) 某些点看上去间距较大，显得“不连续”，推断这可能是数据收集中断了一段时间，或者是GPS发生了偏移。

  再看连线图，可以很明显地看出数据质量非常差，偏移经常发生，如这种横着或者竖着一大段的，都可以推断出是GPS信号偏移严重。

  数据质量是可视化的前提，所以可视化要好看，预处理得费一定功夫。不过就目前而言，本人发现的Basemap最小显示单位是省，所以Basemap适合于宏观上的分析，运行速度比较快。想要更细节的地理可视化怎么办？不会调地图API怎么办？还有一款姊妹篇 python 基于Folium地理信息可视化 等着你。