القائمة
TransBigData 交通时空大数据分析工具集。适用于轨迹数据栅格化、轨迹清洗处理、出租车OD提取、公交地铁网络分析、坐标转换、数据可视化等交通大数据分析任务。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
使用 TransBigData 进行坐标系转换和距离计算。适用于 WGS84、GCJ02、BD09 坐标系互转，以及两点间距离计算。
使用 TransBigData 获取公共交通和地理数据。适用于获取公交线路站点、行政区划边界、等时圈分析等任务。
使用 TransBigData 库进行地理数据栅格化处理。适用于将GPS轨迹数据映射到栅格、生成矩形/三角形/六边形栅格、Geohash编码、栅格参数优化等空间数据分析任务。
使用 TransBigData 构建公交地铁网络拓扑和路径分析。适用于地铁网络建模、最短路径查询、换乘分析、公交 GPS 到站识别等任务。
使用 TransBigData 进行数据预处理与质量评估。适用于数据质量检查、采样间隔分析、边界过滤、ID重编号等任务。
使用 TransBigData 处理出租车 GPS 数据。适用于出租车状态清洗、OD 提取、载客/空驶轨迹分离等任务。
| name | transbigdata |
| description | TransBigData 交通时空大数据分析工具集。适用于轨迹数据栅格化、轨迹清洗处理、出租车OD提取、公交地铁网络分析、坐标转换、数据可视化等交通大数据分析任务。 |
TransBigData 是一个用于交通时空大数据处理、分析与可视化的 Python 库。本插件提供了完整的使用指南。
pip install transbigdata
根据你的任务选择对应的模块：
| 模块 | 适用场景 | 调用命令 |
|---|---|---|
| 栅格化 | GPS点映射到栅格、生成方形/六边形栅格、Geohash编码 | /transbigdata:transbigdata-grid |
| 轨迹处理 | 轨迹清洗（漂移、冗余）、平滑、分段、停留识别、路网匹配 | /transbigdata:transbigdata-traj |
| 数据预处理 | 数据质量检查、采样间隔分析、边界过滤、ID重编号 | /transbigdata:transbigdata-preprocess |
| 出租车分析 | 出租车状态清洗、OD提取、载客/空驶轨迹分离 | /transbigdata:transbigdata-taxi |
| 可视化 | 热力图、轨迹动画、OD流向图、底图加载 | /transbigdata:transbigdata-visualize |
| 坐标转换 | WGS84/GCJ02/BD09互转、距离计算 | /transbigdata:transbigdata-coordinates |
| 公交地铁 | 地铁网络建模、最短路径、换乘分析、公交到站识别 | /transbigdata:transbigdata-metroline |
| 数据获取 | 获取公交线路站点、行政区划、等时圈 | /transbigdata:transbigdata-getdata |
import pandas as pd
import transbigdata as tbd
# 1. 加载数据
data = pd.read_csv('taxi_gps.csv')
data['Time'] = pd.to_datetime(data['Time'])
# 2. 数据预处理（参考 transbigdata-preprocess）
bounds = [113.75, 22.4, 114.62, 22.86] # 深圳范围
data = tbd.clean_outofbounds(data, bounds=bounds, col=['Lng', 'Lat'])
# 3. 轨迹清洗（参考 transbigdata-traj）
data = tbd.traj_clean_redundant(data, col=['VehicleNum', 'Time', 'Lng', 'Lat'])
data = tbd.traj_clean_drift(data, col=['VehicleNum', 'Time', 'Lng', 'Lat'])
# 4. OD提取（参考 transbigdata-taxi）
od_data = tbd.taxigps_to_od(data, col=['VehicleNum', 'Time', 'Lng', 'Lat', 'OpenStatus'])
# 5. 栅格化分析（参考 transbigdata-grid）
params = tbd.area_to_params(bounds, accuracy=500) # 500米栅格
od_data['LONCOL'], od_data['LATCOL'] = tbd.GPS_to_grid(od_data['slon'], od_data['slat'], params)
# 6. 可视化（参考 transbigdata-visualize）
import geopandas as gpd
grid_count = od_data.groupby(['LONCOL', 'LATCOL']).size().reset_index(name='count')
grid_count['geometry'] = tbd.grid_to_polygon([grid_count['LONCOL'], grid_count['LATCOL']], params)
gdf = gpd.GeoDataFrame(grid_count, geometry='geometry', crs='EPSG:4326')
gdf.plot(column='count', cmap='YlOrRd', legend=True)
method='rect'）transbigdata-grid（栅格化）开始，这是最核心的功能transbigdata-preprocess 检查数据质量，再用 transbigdata-traj 清洗transbigdata-coordinates 转换坐标