菜单
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。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
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