transbigdata笔记：栅格参数优化

在transbigdata中，栅格参数有如下几个

params=(lonStart,latStart,deltaLon,deltaLat,theta)

如何选择合适的栅格参数是很重要的事情，这会对最终的分析结果产生很大的影响。

怎么选择参数，和数据以及分析的目的息息相关，transbigdata提供了三种方法来优化

1 准备代码

1.1 导入库

import pandas as pd
import geopandas as gpd
import transbigdata as tbd

1.2? 读取数据

1.2.1 轨迹数据

data=pd.read_csv('Downloads/TaxiData-Sample.csv',names= ['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus', 'Speed'])
data

1.2.2 area数据

area = gpd.read_file('Downloads/szarea1.json')
area

area.plot()

1.3 筛选在区域内的记录

data=tbd.clean_outofshape(data,area)
data

1.4 创建初始栅格

grid,initialparams=tbd.area_to_grid(area)
initialparams
'''
{'slon': 113.87256817484639,
 'slat': 22.55155183165019,
 'deltalon': 0.004869410314514816,
 'deltalat': 0.004496605206422906,
 'theta': 0,
 'method': 'rect',
 'gridsize': 500}
'''

grid.plot()

2 优化方法1——centerdist 最小化栅格中心和GPS数据之间的距离

• 当一批距离很近的数据分布在栅格边缘时，GPS数据的偏差会导致这些数据被匹配到不同的栅格中。
• 因此，解决方案之一是最小化栅格中心和GPS数据之间的距离。

params_op=tbd.grid_params_optimize(data,
                                  initialparams,
                                  col=['VehicleNum','Lng','Lat'],
                                            optmethod='centerdist',
                                            sample=0, #not sampling
                                            printlog=True)
'''
Optimized index centerdist: 167.56608905526596
Optimized gridding params: {'slon': 113.87374968010685, 'slat': 22.553664777307173, 'deltalon': 0.004869410314514816, 'deltalat': 0.004496605206422906, 'theta': 44.131419745260644, 'method': 'rect'}
'''

3 优化方法2——gini：最大化基尼指数

基尼指数的较高值表示数据在给定栅格中的分布更集中

params_op=tbd.grid_params_optimize(data,
                                  initialparams,
                                  col=['VehicleNum','Lng','Lat'],
                                            optmethod='gini',
                                            sample=0, #not sampling
                                            printlog=True)
'''
Optimized index gini: -0.07232170907948476
Optimized gridding params: {'slon': 113.87460338641485, 'slat': 22.554558793623986, 'deltalon': 0.004869410314514816, 'deltalat': 0.004496605206422906, 'theta': 45.108548092477754, 'method': 'rect'}
'''

可以看到最左上的斜条，这边是4个，而之前centerdist的是3个

4 优化方法4——gridscount: 最小化个体的栅格平均数

每个人都应出现在尽可能少的栅格中

params_op=tbd.grid_params_optimize(data,
                                  initialparams,
                                  col=['VehicleNum','Lng','Lat'],
                                            optmethod='gridscount',
                                            sample=0, #not sampling
                                            printlog=True)
'''
Optimized index gridscount: 9.0
Optimized gridding params: {'slon': 113.87506228430335, 'slat': 22.55319001399235, 'deltalon': 0.004869410314514816, 'deltalat': 0.004496605206422906, 'theta': 40.90195581089501, 'method': 'rect'}
'''

5 同样适用于tri和hexa

Optimized index gridscount: 13.0
Optimized gridding params: {'slon': 113.87524021241177, 'slat': 22.55350036557914, 'deltalon': 0.004869410314514816, 'deltalat': 0.004496605206422906, 'theta': 23.722083498424578, 'method': 'tri'}

initialparams['method']='hexa'
params_op=tbd.grid_params_optimize(data,
                                  initialparams,
                                  col=['VehicleNum','Lng','Lat'],
                                            optmethod='gridscount',
                                            sample=0, #not sampling
                                            printlog=True)