基于Python的Django出租车大数据分析系统实现

设计流程

数据介绍

图3-1 前五行数据

图3-2 前五行数据

数据中主要字段代表名称如表3-1所示。

表3-1 字段含义

 数据预处理

数据预处理是数据分析与数据挖掘中一步很重要的操作。

 数据清洗

通过数据清洗，可以去除不必要的数据，去除重复的数据，并且去除那些不符合分析目标的数据，从而有效地提取出有价值的信息。处理缺失值、异常值等。

（1）删除重复数据

（2）删除缺失值行无效数据

（3）删除只有一个值的变量

（4）删除速度值异常数据

 数据变换

（1）经度和纬度标准化

（2）时间标准化

 数据可视化分析

通过对出租车不同时刻的速度、车流量和出租车热点位置主要这三方面分析在何时间段，何地打车人数最多等信息。

皮尔逊相关系数分析

皮尔逊相关系数

出租车平均速度分析

通过提取出租车运行的时间和速度，对采用的杭州市出租车数据，绘制一个平均速度可视化折线图如图4-2所示。

 平均速度

关键代码如下：

from dateutil.parser import parse
 
#复制TimeStamp为time提取小时
 
df['time'] = df.TimeStamp
 
df['hour'] = [x.strftime('%H') for x in df.time] #提取时间的小时数
 
.......................

出租车高峰期分析

 

不同公司的出租车数量图

 交通流量统计图

关键代码如下：

import matplotlib.pyplot as plt
 
from datetime import datetime
 
from dateutil.parser import parse
 
#复制TimeStamp为time提取小时
 
df['time'] = df.TimeStamp
 
.......................

出租车载客热点区域分析

乘客乘车热点区域的空间分布通常都具规律性，比如火车、高铁站，商场，体育或娱乐休闲场所和大学校园附近的乘坐率较高。

图4-5 出租车热力散点图

 

空间热力图

（2）选取晚上10点以后的出租车位置，绘制了散点图

图4-7 22点后出租车热力散点图

22点后出租车空间热力图

（3）样本车辆轨迹路线

样本出租车轨迹图

前端系统结果展示

 

出租车载客热力散点图

载客热点区域空间热力图

本次研究的基于Python的出租车GPS数据分析已经快要结束了。在完成这次毕业设计过程中，从完成选题后通过本文绪论部分，得出了本文需要对出租车GPS数据进行时间和空间上的分析。接下来对杭州市出租车GPS数据进行导入，通过一系列的数据预处理，得到有效分析的数据。提取时间、速度、数量通过Matplotlib进行绘图可视化分析，综合得出在白天7点到15点，晚上19点到23点，这两个时间段打车人数可能较多。提取出租车的经纬度，通过地图可视化工具Folium绘制出出租车载客热点区域，可以看出在杭州市的拱墅区、西湖区、上城区、滨江区和萧山国际机场出租车行驶主要分布在这些地方，其中最集中的是拱墅区，因此在这些区域打车的人数可能比较多。