Python实现城市公交网络分析与可视化

Python实现城市公交网络分析与可视化攻略

1. 确定分析的城市公交网络数据

在进行城市公交网络分析前，首先需要获取公交数据。可以从开放数据源上获取公交线路、站点、公交车路径等数据，也可以通过抓取公交APP获取数据。

2. 数据预处理

获取数据后，需要对数据进行预处理，主要包括以下几个步骤：

(1) 站点数据处理

站点数据主要包括站点名称、经纬度坐标、站点所在的线路等信息。可以使用Pandas库对站点数据进行处理，例如读取数据、合并数据、去重数据、转换数据类型等操作。

import pandas as pd
# 读取站点数据
station_df = pd.read_csv('stations.csv')
# 去重
station_df = station_df.drop_duplicates(subset=['站点名称'])
# 转换数据类型
station_df['经度'] = station_df['经度'].astype(float)
station_df['纬度'] = station_df['纬度'].astype(float)

(2) 线路数据处理

线路数据主要包括线路名称、线路的起点和终点、线路所包含的站点等信息。可以使用Pandas库对线路数据进行处理，例如读取数据、合并数据、去重数据、转换数据类型等操作。

import pandas as pd
# 读取线路数据
route_df = pd.read_csv('routes.csv')
# 去重
route_df = route_df.drop_duplicates(subset=['线路名称'])
# 转换数据类型
route_df['经度'] = route_df['经度'].astype(float)
route_df['纬度'] = route_df['纬度'].astype(float)

(3) 公交车路径数据处理

公交车路径数据主要包括公交车行驶的轨迹、车速、时间等信息。可以使用Pandas库对公交车路径数据进行处理，例如读取数据、合并数据、去重数据、转换数据类型等操作。

import pandas as pd
# 读取公交车路径数据
path_df = pd.read_csv('bus_paths.csv')
# 转换数据类型
path_df['经度'] = path_df['经度'].astype(float)
path_df['纬度'] = path_df['纬度'].astype(float)

(4) 数据可视化

对处理好的数据进行可视化，主要包括绘制站点、绘制线路、绘制公交车路径等操作。可以使用Matplotlib库或者Seaborn库进行数据可视化。

import matplotlib.pyplot as plt
# 绘制站点
plt.scatter(station_df['经度'], station_df['纬度'], s=10, alpha=0.5)
# 绘制线路
for route_name, group in route_df.groupby('线路名称'):
    plt.plot(group['经度'], group['纬度'], label=route_name)
# 绘制公交车路径
for bus_id, group in path_df.groupby('车辆ID'):
    plt.plot(group['经度'], group['纬度'])
plt.legend()
plt.show()

3. 公交网络分析

公交网络分析可以使用Networkx库进行，主要包括以下几个步骤：

(1) 构建公交网络图

在构建公交网络图时，一般将站点作为节点，将线路的边作为边。

import networkx as nx

# 创建空的网络图对象
G = nx.Graph()

# 添加站点节点
for index, row in station_df.iterrows():
    G.add_node(row['站点名称'], pos=(row['经度'], row['纬度']))

# 添加线路边
for index, row in route_df.iterrows():
    route_name = row['线路名称']
    path = list(zip(row['经度'], row['纬度']))
    G.add_path(path, name=route_name)

(2) 计算节点的中心性

节点的中心性表示节点在网络图中的重要性，可以使用Degree Centrality、Closeness Centrality、Betweenness Centrality、Eigenvector Centrality等指标来度量节点的中心性。

# 计算节点的度中心性
degree_centrality = nx.degree_centrality(G)
# 计算节点的紧密中心性
closeness_centrality = nx.closeness_centrality(G)
# 计算节点的介数中心性
betweenness_centrality = nx.betweenness_centrality(G)
# 计算节点的特征向量中心性
eigenvector_centrality = nx.eigenvector_centrality(G)

(3) 计算公交路径

可以使用Dijkstra算法或者A*算法计算最短路径，找到两个站点之间的最短路径。

from networkx.algorithms.shortest_paths.astar import astar_path

# 计算起点到终点的最短路径
path = astar_path(G, '站点A', '站点B', weight='length')

示例说明

示例1：绘制公交车路径

import pandas as pd
import matplotlib.pyplot as plt

# 读取公交车路径数据
path_df = pd.read_csv('bus_paths.csv')
# 转换数据类型
path_df['经度'] = path_df['经度'].astype(float)
path_df['纬度'] = path_df['纬度'].astype(float)

# 绘制公交车路径
for bus_id, group in path_df.groupby('车辆ID'):
    plt.plot(group['经度'], group['纬度'])
plt.show()

示例2：计算节点的中心性

import pandas as pd
import networkx as nx

# 读取站点数据
station_df = pd.read_csv('stations.csv')
# 去重
station_df = station_df.drop_duplicates(subset=['站点名称'])
# 转换数据类型
station_df['经度'] = station_df['经度'].astype(float)
station_df['纬度'] = station_df['纬度'].astype(float)

# 创建空的网络图对象
G = nx.Graph()

# 添加站点节点
for index, row in station_df.iterrows():
    G.add_node(row['站点名称'], pos=(row['经度'], row['纬度']))

# 添加线路边
for index, row in route_df.iterrows():
    route_name = row['线路名称']
    path = list(zip(row['经度'], row['纬度']))
    G.add_path(path, name=route_name)

# 计算节点的度中心性
degree_centrality = nx.degree_centrality(G)
# 计算节点的紧密中心性
closeness_centrality = nx.closeness_centrality(G)
# 计算节点的介数中心性
betweenness_centrality = nx.betweenness_centrality(G)
# 计算节点的特征向量中心性
eigenvector_centrality = nx.eigenvector_centrality(G)