怎么用Python实现可视化动态公交线路图

发布时间：2021-07-29 18:58:15 作者：chen
来源：亿速云阅读：269

# 怎么用Python实现可视化动态公交线路图

## 引言

在现代城市交通规划中，公交线路可视化是优化交通网络的重要工具。本文将详细介绍如何使用Python技术栈构建一个完整的动态公交线路可视化系统，涵盖数据采集、处理、可视化和交互的全流程。通过本文，您将掌握使用Pandas进行数据处理、Folium/Plotly构建地图可视化以及实现动态效果的完整方法。

---

## 一、技术选型与准备工作

### 1.1 核心工具库

```python
# 基础数据处理
import pandas as pd
import numpy as np

# 地理数据处理
import geopandas as gpd
from shapely.geometry import Point, LineString

# 可视化
import folium
from folium.plugins import TimestampedGeoJson
import plotly.express as px

# 其他
from datetime import datetime
import json

1.2 数据获取途径

开放数据平台：
- 高德/百度地图API
- 城市交通开放数据（如深圳交通委）

模拟数据生成：


def generate_bus_data(num_routes=5, num_stops=15):
   routes = []
   for i in range(num_routes):
       route = {
           'route_id': f'R{i+1:03d}',
           'stops': [(31.23 + np.random.uniform(-0.1, 0.1), 
                     121.47 + np.random.uniform(-0.1, 0.1)) 
                     for _ in range(num_stops)]
       }
       routes.append(route)
   return routes

二、数据处理流程

2.1 原始数据结构示例

route_id	stop_sequence	stop_name	longitude	latitude	arrival_time
B1	1	人民广场	121.475	31.230	08:00:00
B1	2	南京东路	121.485	31.235	08:05:00

2.2 数据清洗关键步骤

def clean_data(df):
    # 处理缺失值
    df = df.dropna(subset=['longitude', 'latitude'])
    
    # 时间格式标准化
    df['arrival_time'] = pd.to_datetime(df['arrival_time'])
    
    # 坐标有效性验证
    df = df[(df['longitude'].between(-180, 180)) & 
            (df['latitude'].between(-90, 90))]
    
    return df

2.3 构建地理空间数据

gdf = gpd.GeoDataFrame(
    df,
    geometry=gpd.points_from_xy(df.longitude, df.latitude),
    crs="EPSG:4326"
)

三、静态可视化实现

3.1 使用Folium基础地图

base_map = folium.Map(
    location=[df['latitude'].mean(), df['longitude'].mean()],
    zoom_start=12,
    tiles='Stamen Toner'
)

for route in df['route_id'].unique():
    route_df = df[df['route_id'] == route]
    folium.PolyLine(
        locations=route_df[['latitude', 'longitude']].values,
        color='blue',
        weight=3
    ).add_to(base_map)

base_map.save('static_routes.html')

3.2 进阶样式设计

# 自定义图标样式
def style_function(feature):
    return {
        'fillColor': '#ffaf00',
        'color': '#00ff00',
        'weight': 2,
        'dashArray': '5, 5'
    }

# 添加交互式弹窗
for idx, row in df.iterrows():
    folium.CircleMarker(
        location=[row['latitude'], row['longitude']],
        radius=5,
        popup=f"<b>{row['stop_name']}</b><br>到达时间: {row['arrival_time']}",
        fill=True
    ).add_to(base_map)

四、动态效果实现

4.1 时间序列数据处理

# 生成轨迹点时间序列
features = []
for _, row in df.iterrows():
    features.append({
        'type': 'Feature',
        'geometry': {
            'type': 'Point',
            'coordinates': [row['longitude'], row['latitude']]
        },
        'properties': {
            'time': row['arrival_time'].strftime('%Y-%m-%dT%H:%M:%S'),
            'style': {'color': get_color(row['route_id'])},
            'icon': 'circle',
            'iconstyle': {
                'fillColor': '#ff0000',
                'fillOpacity': 0.6,
                'stroke': False
            }
        }
    })

4.2 使用TimestampedGeoJson实现动画

TimestampedGeoJson(
    {'type': 'FeatureCollection', 'features': features},
    period='PT1M',
    add_last_point=True,
    auto_play=True,
    loop=False,
    max_speed=10,
    loop_button=True
).add_to(base_map)

4.3 实时数据更新模拟

import random
from IPython.display import display, clear_output

while True:
    # 模拟新数据生成
    new_point = generate_new_position(last_point)
    
    # 更新地图
    marker = folium.CircleMarker(
        location=new_point,
        radius=5,
        color='red'
    )
    marker.add_to(base_map)
    
    # 刷新显示
    clear_output(wait=True)
    display(base_map)
    time.sleep(1)

五、性能优化方案

5.1 数据量较大时的处理策略

空间索引加速：
```
gdf.sindex.query_bounds(bounds)
```

数据采样：


df = df.sample(frac=0.3)  # 随机采样30%数据

5.2 WebGL加速方案

import plotly.express as px

fig = px.scatter_mapbox(
    df,
    lat="latitude",
    lon="longitude",
    animation_frame="arrival_time",
    color="route_id",
    zoom=10
)
fig.update_layout(mapbox_style="carto-darkmatter")
fig.show()

六、完整案例演示

6.1 上海市公交线路动态可视化

# 数据加载
shanghai_routes = pd.read_csv('shanghai_bus.csv')

# 创建动画地图
m = folium.Map([31.23, 121.47], zoom_start=12)

# 添加时间轴控制器
TimestampedGeoJson(
    process_data(shanghai_routes),
    period='PT5M',
    duration='PT1M'
).add_to(m)

# 保存交互式HTML
m.save('shanghai_bus_animation.html')

6.2 实现效果说明

时间轴控制播放速度
不同线路颜色区分
实时显示车辆位置标记
点击站点显示详细信息

七、扩展应用方向

实时交通数据集成：
- 对接公交GPS数据接口
- 使用WebSocket实时更新

三维可视化：

import keplergl
map_3d = KeplerGl(height=600)
map_3d.add_data(data=df, name='bus_routes')

路径规划应用：
- 结合Dijkstra/A*算法
- 实现换乘方案推荐

结语

本文详细介绍了从数据准备到动态可视化的完整实现流程。关键点总结：

地理数据必须使用标准WGS84坐标系（EPSG:4326）
时间数据需要转换为ISO 8601格式
动态效果通过时间戳属性实现
大型数据集需要采用空间索引优化

建议下一步尝试接入真实API数据，或结合客流分析开发更复杂的交通模拟系统。完整项目代码已托管在GitHub仓库。 “`

注：本文为示例文档，实际运行时需要根据具体数据调整参数。可视化效果在不同浏览器中可能有所差异，建议使用Chrome或Firefox最新版查看。