利用线圈数据绘制交叉口四个进口道的流量曲线与车速曲线——Python交通数据分析

一、线圈数据简介

数据名称	含义
DEVICEID	设备ID
FTNODE	起始结点
FROMTIME	统计起始时间
TOTIME	统计结束时间
INTERVAL	统计间隔
LANEID	车道ID
LANENUM	车道数
COUNT	统计间隔内车辆计数
REGULARCOUNT	统计间隔内小型车计数
LARGECOUNT	统计间隔内大型车计数
FLOW	断面小时换算流量
ARITHMETIC_AVERAGE_SPEED	车速算术平均值
HARMONIC_AVERAGE_SPEED	车速调和平均值
TURN	车道方向信息，LSR分别表示左直右及其组合，LU和RU分别表示左掉头和右掉头，LC表示上下游车道连接过渡段，表明此断面包含车道变化区域

其中，$$COUNT=REGULARCOUNT+LARGECOUNT$$ $$FLOW=COUNT\cdot \frac{1H}{INTERVAL}$$

线圈布设简图

二、实现

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdate
import time

ldt_path = 'data/ldt_data/ldt.csv'  #路径
ldt_data = pd.read_csv(ldt_path)  #读取数据
ldt_data['FROMTIME'] = pd.to_datetime(ldt_data['FROMTIME'])  #将字符串转化为时间戳
ldt_data['TOTIME'] = pd.to_datetime(ldt_data['TOTIME'])

ldt_East = ldt_data[ldt_data['DEVICEID']==389].copy()  #东
ldt_South = ldt_data[ldt_data['DEVICEID']==388].copy()  #南
ldt_West = ldt_data[ldt_data['DEVICEID']==387].copy()  #西
ldt_North = ldt_data[ldt_data['DEVICEID']==386].copy()  #北

def ldt(ldt_data):
    ldt_data['1/HARMONIC_AVERAGE_SPEED'] = 1 / ldt_data['HARMONIC_AVERAGE_SPEED']  # 断面平均车速需要使用调和平均车速
    ldt_data_group = ldt_data.groupby(['DEVICEID',pd.Grouper(key='FROMTIME',freq='5min')])  # 5分钟为间隔进行统计
    ldt_data_flow = ldt_data_group['COUNT'].sum()
    ldt_data_flow = ldt_data_flow * 12
    ldt_data_speed = 1 / (ldt_data_group['1/HARMONIC_AVERAGE_SPEED'].mean())  # 5分钟间隔的平均车速
    return ldt_data_flow,ldt_data_speed
    
ldt_East_flow,ldt_East_speed = ldt(ldt_East)
ldt_East_flow = ldt_East_flow / 2  # 东进口下游的车道数为2
ldt_South_flow,ldt_South_speed = ldt(ldt_South)
ldt_South_flow = ldt_South_flow / 3  # 南进口下游的车道数为3
ldt_West_flow,ldt_West_speed = ldt(ldt_West)
ldt_West_flow = ldt_West_flow / 2  # 西进口下游的车道数为2
ldt_North_flow,ldt_North_speed = ldt(ldt_North)
ldt_North_flow = ldt_North_flow / 3  # 北进口下游的车道数为3

# 横坐标
time_list = []
time = pd.datetime(2019,7,9,6,0)
while(time < pd.datetime(2019,7,9,10,0)):
    time_strf = time.strftime("%H:%M")
    time_list.append(time_strf)
    time = time + pd.Timedelta(minutes=5)

#规定x轴刻度
time_xticks = []
time = pd.datetime(2019,7,9,6,0)
while(time < pd.datetime(2019,7,9,10,30)):
    time_strf = time.strftime("%H:%M")
    time_xticks.append(time_strf)
    time = time + pd.Timedelta(minutes=30)
    
p = plt.figure(figsize=(8,10),dpi=80)
ax1 = p.add_subplot(2,1,1)  # 创建一个2行1列的子图，并开始绘制第一幅——流量曲线
plt.title('Traffic Volume Curve')
plt.xlabel('Time')
plt.ylabel('Q: veh/h/lane', rotation=360, horizontalalignment='right', verticalalignment='center')
plt.plot(time_list,ldt_East_flow,'r',
        time_list,ldt_South_flow,'b',
        time_list,ldt_West_flow,'y',
        time_list,ldt_North_flow,'g')
plt.legend(['East','South','West','North'])
plt.xticks(time_xticks)

ax2 = p.add_subplot(2,1,2)  # 开始绘制第二幅——车速曲线
plt.title('Speed Curve')
plt.xlabel('Time')
plt.ylabel('V: km/h', rotation=360, horizontalalignment='right', verticalalignment='center')
plt.plot(time_list,ldt_East_speed,'r',
        time_list,ldt_South_speed,'b',
        time_list,ldt_West_speed,'y',
        time_list,ldt_North_speed,'g')
plt.legend(['East','South','West','North'])
plt.xticks(time_xticks)

plt.subplots_adjust(hspace=0.35)  # 调整子图之间的间距
plt.show()

流量曲线

车速曲线

水平有限，仅供参考，如有错误请指出