python如何绘制路段时变车速热力图
作者:煮雨小筑
本文通过热力图形式展示了24小时内某个路段的车速变化和特定时刻某条路径的车速情况,数据是通过Numpy随机生成的,用以模拟真实的车速情况,文章还展示了如何利用pandas和seaborn库中的pivot_table()和heatmap()函数生成热力图
一、目标
本文旨在通过热力图的形式,表示某个路段24h的时序车速变化以及某一时刻某条路径的车速变化。
二、结果
三、准备数据
注:本文车速数据为Numpy随机生成
1、各路段时序车速
(因为车速是随机生成,所以会有相邻时间速度连续性不高及午夜速度很慢、中午速度很快等错误,读者可通过其他渠道获取更加准确的数据)
import numpy as np import os import csv RoadName = ['A','B','C','D','E','F','G'] if not os.path.isfile(r'RoadSpeed.csv'): with open('RoadSpeed.csv','a',newline='',encoding='utf-8') as csvfile: fieldnames = ['RoadName','Time','Speed'] writer = csv.DictWriter(csvfile,fieldnames=fieldnames) writer.writeheader() for road in RoadName: for h in range(24): for m in range(60): data = {} data['RoadName'] = road data['Time'] = '20210924{:0>2}{:0>2}'.format(h,m) data['Speed'] = str(np.random.uniform(40,120,1)).strip('[]') writer.writerow(data)
图3-1 生成各路段时变车速
图3-2 生成的部分数据
2、路段间拓扑关系
拓扑关系指满足拓扑几何学原理的各空间数据间的相互关系。即用结点、弧段和多边形所表示的实体之间的邻接、关联、包含和连通关系。
本文中指路段之间的连接顺序。(路段顺序相连构成一条路径)
图3-3 路段拓扑关系(通过networkx绘制)
四、各路段时变车速热力图
主要使用pivot_table()和heatmap()两个函数。可通过以下命令查看具体用法。
import pandas as pd import seaborn as sns help(pd.pivot_table) help(sns.heatmap)
1、pd.pivot_table()
data = pd.pivot_table(df,index = ['RoadName'],columns = ['Time'],values = ['Speed']).reset_index(drop=False)
通过该函数将DataFrame转为矩阵形式,作为参数传入heatmap()函数
2、sns.heatmap()
ax = sns.heatmap(data, cmap=plt.cm.RdYlGn,xticklabels=1, yticklabels=1)
3、绘图代码
import seaborn as sns import pandas as pd import matplotlib.pyplot as plt import numpy as np df = pd.read_csv(r'RoadSpeed.csv',encoding='utf-8') #设置中文和负号正常显示 plt.rcParams['font.sans-serif'] = 'SimHei' plt.rcParams['axes.unicode_minus'] = False plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 #提高图像清晰度 plt.rcParams['savefig.dpi'] = 400 plt.rcParams['figure.dpi'] = 400 #pivot_table data = pd.pivot_table(df,index = ['RoadName'],columns = ['Time'],values = ['Speed']) data.columns = data.columns.get_level_values(1).values data.sort_index(ascending = True) #heatmap plt.figure(figsize=(36, 24)) ax = sns.heatmap(data, cmap=plt.cm.RdYlGn,xticklabels=1, yticklabels=1) #减少坐标轴密度 times = list(data.columns) ticks = list(range(0,len(times),15)) # 每隔15min显示一次 if ticks[-1] != len(times)-1: ticks.append(len(times)-1) labels=[times[i] for i in ticks] #设置刻度、标签等 ax.set(xlim=[0,len(times)-1]) ax.set_xticks(ticks) ax.set_xticklabels(labels,rotation=90,horizontalalignment = 'right',weight = 'bold') ax.set_xlabel("时间", fontsize=30, color="k") #x轴label的文本和字体大小 ax.set_ylabel("路段", fontsize=30, color="k") #y轴label的文本和字体大小 plt.xticks(fontsize=20,weight = 'bold') # x轴刻度的字体大小 plt.yticks(fontsize=20,weight = 'bold',rotation = 30) # y轴刻度的字体大小 ax.set_title("各路段时变车速" ,fontsize=50) #图片标题文本和字体大小 cax = plt.gcf().axes[-1] cax.tick_params(labelsize=60) plt.savefig('各路段时变车速.png')
运行代码,得到上图,横着看可以得到各路段24h连续的车速变化;竖着看可以得到一条路径某一时刻的车速变化 。
但图例显示的值是速度,某些情况下,我们只想知道各路段的车况是畅通,轻度拥堵, 中度拥堵还是重度拥堵,这时要对图例进行修改。
首先根据“《道路交通拥堵度评价方法》(GAT 115-2020)”中关于拥堵等级的定义,如下:
通过编写程序得出各路段各时刻拥堵等级
设置图例,加入如下代码
''' 设置图例只显示1,2,3,4四个数字 并用畅通、轻度拥挤、中度拥挤、重度拥挤来代替 ''' c_bar = ax.collections[0].colorbar c_bar.set_ticks([4,3,2,1]) c_bar.set_ticklabels(['畅通', '轻度拥堵', '中度拥堵','重度拥堵'])
除此之外,读者也可尝试通过geopandas绘制道路拥堵等级图。
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。