NGSIM数据集Python处理（超车变道数据筛选）

        NGSIM数据集因其量大质优，在车辆跟驰、变道等领域的研究中被广泛使用，作为一种特殊的变道行为，超车变道存在其显著的特点，但对超车变道的研究较少，一方面，超车变道数据的获取存在一定难度，另一方面，超车变道的决策较为复杂，本文通过Python代码的编写，实现对NGSIM数据集中产生超车变道行为的车辆数据进行提取，以下概述代码主体部分及部分说明。如需完整代码，可点击本人上传的代码链接进行下载。NGSIM数据集超车变道数据筛选-数据挖掘文档类资源-CSDN文库

• 获取每一车辆切割索引数据

通过原始数据中Vehicle_ID项分ID提取车辆数据，考虑到NGSIM数据集中存在车辆ID复用的情况，针对该情况，使用数据中Global_Time（或Frame_ID）是否连续判别ID是都被复用,若被复用，将间断点索加入索引列表lst_c。以下为该部分代码示例，代码中以Global_Time作为ID是否复用的判别依据。需要特别说明的是，因为科学记数法的问题，网上部分原始数据中Global_Time的值每一行都相同，若出现这种情况，将代码中的Global_Time更改为Frame_ID，并将是否连续的判别条件进行更改即可。

for ID in set(data.Vehicle_ID):
    new_data = data[data.Vehicle_ID == ID].sort_values(by='Global_Time')
    '''处理同一ID对应不同车辆问题'''
    lst_Global_Time = list(new_data.loc[:, 'Global_Time'])
    for i_0 in range(len(new_data) - 1):
        if lst_Global_Time[i_0 + 1] - lst_Global_Time[i_0] != 100:
            lst_c.append(i_0 + 1)

• 获取每一车辆数据

        结合上一步的索引列表lst_c，遍历该列表，实现每一车辆数据的获取。使用iloc命令获取目标数据，使用.copy()命令复制原始数据，而后进行操作，避免警告信息。

 for j in range(len(lst_c)-1):
        S_S_data=new_data.iloc[lst_c[j]:lst_c[j+1]].copy()

• 判断车辆是否超车变道

        将车辆数据按Global_Time（或Frame_ID）增序排列，获取车辆车道差值列表，超车变道时，车辆变道会同时存在两个方向的变道数据，以此作为判别依据。提取最终数据。

        if -1 in diff_lst_Lane_id and 1 in diff_lst_Lane_id:
            for i in enumerate(diff_lst_Lane_id):
                if i[1] == -1 or i[1] == 1:
                    lst_index.append(i)

 若有疑问，需完整代码或有交通数据处理需求欢迎VX探讨：A2528945820