gotrackit 0.2.0__tar.gz → 0.2.2__tar.gz

gotrackit-0.2.2/PKG-INFO

@@ -0,0 +1,219 @@
+Metadata-Version: 2.1
+Name: gotrackit
+Version: 0.2.2
+Summary: A Python Package for Map Matching Algorithm Based on Hidden Markov Model
+Author-email: Kai Tang <794568794@qq.com>
+License: LICENCE
+Project-URL: Homepage, https://github.com/zdsjjtTLG/TrackIt
+Keywords: HMM,MapMatching,Net,Link,Node,Hidden Markov Model,Algorithm
+Classifier: Programming Language :: Python :: 3
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Operating System :: OS Independent
+Requires-Python: >=3.8
+Description-Content-Type: text/markdown
+License-File: LICENSE
+Requires-Dist: geopandas>=0.14.1
+Requires-Dist: shapely
+Requires-Dist: networkx
+Requires-Dist: pandas
+Requires-Dist: numpy
+Requires-Dist: keplergl
+Requires-Dist: geopy
+
+
+
+<div align="center">
+    <img src="docs/_static/images/gotrackit.png" />
+</div>
+
+<br>
+
+<div align=center>
+
+[![Documentation Status](https://readthedocs.org/projects/gotrackit/badge/?version=latest)](https://gotrackit.readthedocs.io/en/latest/?badge=latest)
+![PyPI - Version](https://img.shields.io/pypi/v/gotrackit)
+![GitHub License](https://img.shields.io/github/license/zdsjjtTLG/Trackit)
+![PyPI - Downloads](https://img.shields.io/pypi/dw/gotrackit)
+![PyPI - Downloads](https://img.shields.io/pypi/dm/gotrackit)
+
+~ 一个包搞定：路网获取、路网优化、宏微观地图匹配、匹配可视化、问题路段快速定位 ~
+
+唐铠, 794568794@qq.com, tangkai@zhechengdata.com
+</div>
+<br>
+
+
+
+**版本状态：04.27即将更新更新: v0.2.2**
+
+更新命令：pip install --upgrade  -i https://pypi.org/simple/ gotrackit
+
+- 向量化改造, 且引入FMM(Fast Map Matching)路径预存储机制, 大规模路网匹配效率大幅度提升
+
+- 完善报错机制, 遇到GPS脏数据不再报错停止, 而是跳过, 并且在所有的agents计算完毕后输出有问题的agent编号
+
+- BUG修复
+
+<br>
+
+<div align=center>
+~ v0.2.2效率将大幅度提升 ~
+</div>
+
+<br>
+
+与上一版本对比:
+
+| 样例数据           | 有效的GPS点数 | top_k(k邻近候选参数) | gps_buffer(临域半径) | 候选路段条数 | 状态转移次数  | v0.2.1版解算时间 | v0.2.2版解算时间 |
+|----------------|----------|----------------|------------------|---------|------------|-------------|-----------|
+| 1辆车,深圳稀疏轨迹点样例1 | 190      | 60             | 500m             | 10615 | 629788次 | 28秒         | **3.3秒**  |
+| 1辆车,深圳稀疏轨迹点样例2 | 400      | 20             | 120m             | 5137 | 82006次  | 7.8秒        | **1.7秒**    |
+
+
+v0.2.2多核效率对比:
+
+基于上表深圳稀疏轨迹点样例2，我们将他复制150份，进行多核测试，可以看到到6核时, 效率已经不再提升，最快96s解算完150条轨迹，平均每条轨迹0.64s，相较于1.7s再次提升了60%，在车辆数较多时，多核的效率提升很明显。
+
+| 样例数据                                      | 有效的GPS点数 | top_k | gps_buffer | 候选路段条数 | 状态转移次数 | v0.2.2解算时间 |
+|-------------------------------------------|----------|----------------|------------------|-----|--------|------------|
+| 150辆车的GPS轨迹(单核串行,子图搜索,有构建子图的额外开销,提前预计算路径) | 6w       | 20             | 120m             | 75W | 1200W次 | 300.0秒     | 
+| 150辆车的GPS轨迹(3核并行,子图搜索,有构建子图的额外开销,提前预计算路径) | 6w       | 20             | 120m             | 75W | 1200W次 | 139.6秒     |
+| 150辆车的GPS轨迹(3核并行,全图搜索,无构建子图的额外开销,提前预计算路径) | 6w       | 20             | 120m             | 75W | 1200W次 | 120.3秒     |
+| 150辆车的GPS轨迹(4核并行,全图搜索,无构建子图的额外开销,提前预计算路径) | 6w       | 20             | 120m             | 75W | 1200W次 | 104.9秒     | 
+| 150辆车的GPS轨迹(5核并行,全图搜索,无构建子图的额外开销,提前预计算路径) | 6w       | 20             | 120m             | 75W | 1200W次 | 96.4秒      | 
+| 150辆车的GPS轨迹(6核并行,全图搜索,无构建子图的额外开销,提前预计算路径) | 6w       | 20             | 120m             | 75W | 1200W次 | 97.5秒      | 
+
+
+<br>
+
+<div align=center>
+~ 稀疏轨迹匹配与路径补全 ~
+</div>
+
+<br>
+
+深圳稀疏轨迹点样例1：
+<div align="center">
+    <img src="docs/_static/images/极稀疏轨迹匹配.gif" />
+</div>
+
+
+<div align="center">
+    <img src="docs/_static/images/匹配动画样例3.gif" />
+</div>
+
+
+<br>
+
+<div align=center>
+~ 常规匹配 ~
+</div>
+
+<br>
+
+<div align="center">
+    <img src="docs/_static/images/匹配动画样例1.gif" />
+</div>
+
+<div align="center">
+    <img src="docs/_static/images/匹配动画样例2.gif" />
+</div>
+
+
+<div align="center">
+    <img src="docs/_static/images/匹配动画样例4.gif" />
+</div>
+
+<div align="center">
+    <img src="docs/_static/images/geojson_res.jpg" />
+</div>
+
+<br>
+
+<div align=center>
+~ 用户交流群， 遇到BUG无法解决请进群交流，别忘了给项目一颗star哦， 您的支持是我迭代的动力 ~
+</div>
+
+<br>
+
+<div align="center">
+    <img src="docs/_static/images/wxq.jpg" />
+</div>
+
+
+## 1. 简介
+本地图匹配包基于隐马尔可夫模型(HMM)实现了连续GPS点位的概率建模，利用这个包可以轻松对GPS数据进行地图匹配，本开源包的特点如下:
+
+**数据无忧**
+- 提供路网生产模块以及路网优化接口，您不需要准备任何路网和GPS数据即可玩转地图匹配；
+- 提供GPS样例数据生产模块，解决没有GPS数据的难题；
+- 提供GPS数据清洗接口，包括滑动窗口降噪、数据降频。
+
+**文档齐全**
+
+- 中文文档，有详细的操作指引；
+- 算法原理讲解部分不涉及复杂的公式推导，使用动画形式剖析算法原理,简洁明了。
+
+**匹配结果自动优化**
+- 对基于HMM匹配的初步路径进行了优化，对于不连通的位置会自动补路，对于实际路网不连通的位置会输出警告，方便用户检查路网。
+
+
+
+### 1.1. 如何安装gotrackit
+
+#### __所需前置依赖__
+
+- geopy(2.4.1)
+- gdal(3.4.3)
+- shapely(2.0.3)
+- fiona(1.9.5)
+- pyproj(3.6.1)
+- geopandas(0.14.3)
+- networkx(3.2.1)
+- pandas(2.0.3)
+- numpy(1.26.2)
+- keplergl(0.3.2)
+
+括号中为作者使用版本(基于python3.11), 仅供参考
+
+#### __使用pip安装__
+
+安装：
+
+``` shell
+pip install -i https://pypi.org/simple/ gotrackit
+```
+
+更新：
+``` shell
+pip install --upgrade  -i https://pypi.org/simple/ gotrackit
+```
+
+### 1.2 用户手册与视频教程
+
+[用户手册](https://gotrackit.readthedocs.io/en/latest/)
+
+[基于隐马尔可夫模型(HMM)的地图匹配算法动画版！学不会你来打我！](https://www.bilibili.com/video/BV1gQ4y1w7dC)
+
+[一个python包搞定路网获取+地图匹配！](https://www.bilibili.com/video/BV1nC411z7Vg)
+
+[gotrackit地图匹配包参数详解与问题排查](https://www.bilibili.com/video/BV1qK421Y7hV)
+
+[QGIS路网拓扑显示、底图加载、样式复用、map保存](https://www.bilibili.com/video/BV1Sq421F7QX)
+
+
+## 2. 地图匹配问题
+
+![car_gps.png](docs/_static/images/car_gps.png)
+
+![where_car.png](docs/_static/images/whereIsCar.png)
+
+__如何依据GPS数据推算车辆的实际路径？__
+
+![main.png](docs/_static/images/single_p.png)
+
+![main.png](docs/_static/images/transition.png)
+
+![main.png](docs/_static/images/viterbi.png)
+
+![main.png](docs/_static/images/trace.png)

gotrackit-0.2.2/README.md

@@ -0,0 +1,197 @@
+
+
+<div align="center">
+    <img src="docs/_static/images/gotrackit.png" />
+</div>
+
+<br>
+
+<div align=center>
+
+[![Documentation Status](https://readthedocs.org/projects/gotrackit/badge/?version=latest)](https://gotrackit.readthedocs.io/en/latest/?badge=latest)
+![PyPI - Version](https://img.shields.io/pypi/v/gotrackit)
+![GitHub License](https://img.shields.io/github/license/zdsjjtTLG/Trackit)
+![PyPI - Downloads](https://img.shields.io/pypi/dw/gotrackit)
+![PyPI - Downloads](https://img.shields.io/pypi/dm/gotrackit)
+
+~ 一个包搞定：路网获取、路网优化、宏微观地图匹配、匹配可视化、问题路段快速定位 ~
+
+唐铠, 794568794@qq.com, tangkai@zhechengdata.com
+</div>
+<br>
+
+
+
+**版本状态：04.27即将更新更新: v0.2.2**
+
+更新命令：pip install --upgrade  -i https://pypi.org/simple/ gotrackit
+
+- 向量化改造, 且引入FMM(Fast Map Matching)路径预存储机制, 大规模路网匹配效率大幅度提升
+
+- 完善报错机制, 遇到GPS脏数据不再报错停止, 而是跳过, 并且在所有的agents计算完毕后输出有问题的agent编号
+
+- BUG修复
+
+<br>
+
+<div align=center>
+~ v0.2.2效率将大幅度提升 ~
+</div>
+
+<br>
+
+与上一版本对比:
+
+| 样例数据           | 有效的GPS点数 | top_k(k邻近候选参数) | gps_buffer(临域半径) | 候选路段条数 | 状态转移次数  | v0.2.1版解算时间 | v0.2.2版解算时间 |
+|----------------|----------|----------------|------------------|---------|------------|-------------|-----------|
+| 1辆车,深圳稀疏轨迹点样例1 | 190      | 60             | 500m             | 10615 | 629788次 | 28秒         | **3.3秒**  |
+| 1辆车,深圳稀疏轨迹点样例2 | 400      | 20             | 120m             | 5137 | 82006次  | 7.8秒        | **1.7秒**    |
+
+
+v0.2.2多核效率对比:
+
+基于上表深圳稀疏轨迹点样例2，我们将他复制150份，进行多核测试，可以看到到6核时, 效率已经不再提升，最快96s解算完150条轨迹，平均每条轨迹0.64s，相较于1.7s再次提升了60%，在车辆数较多时，多核的效率提升很明显。
+
+| 样例数据                                      | 有效的GPS点数 | top_k | gps_buffer | 候选路段条数 | 状态转移次数 | v0.2.2解算时间 |
+|-------------------------------------------|----------|----------------|------------------|-----|--------|------------|
+| 150辆车的GPS轨迹(单核串行,子图搜索,有构建子图的额外开销,提前预计算路径) | 6w       | 20             | 120m             | 75W | 1200W次 | 300.0秒     | 
+| 150辆车的GPS轨迹(3核并行,子图搜索,有构建子图的额外开销,提前预计算路径) | 6w       | 20             | 120m             | 75W | 1200W次 | 139.6秒     |
+| 150辆车的GPS轨迹(3核并行,全图搜索,无构建子图的额外开销,提前预计算路径) | 6w       | 20             | 120m             | 75W | 1200W次 | 120.3秒     |
+| 150辆车的GPS轨迹(4核并行,全图搜索,无构建子图的额外开销,提前预计算路径) | 6w       | 20             | 120m             | 75W | 1200W次 | 104.9秒     | 
+| 150辆车的GPS轨迹(5核并行,全图搜索,无构建子图的额外开销,提前预计算路径) | 6w       | 20             | 120m             | 75W | 1200W次 | 96.4秒      | 
+| 150辆车的GPS轨迹(6核并行,全图搜索,无构建子图的额外开销,提前预计算路径) | 6w       | 20             | 120m             | 75W | 1200W次 | 97.5秒      | 
+
+
+<br>
+
+<div align=center>
+~ 稀疏轨迹匹配与路径补全 ~
+</div>
+
+<br>
+
+深圳稀疏轨迹点样例1：
+<div align="center">
+    <img src="docs/_static/images/极稀疏轨迹匹配.gif" />
+</div>
+
+
+<div align="center">
+    <img src="docs/_static/images/匹配动画样例3.gif" />
+</div>
+
+
+<br>
+
+<div align=center>
+~ 常规匹配 ~
+</div>
+
+<br>
+
+<div align="center">
+    <img src="docs/_static/images/匹配动画样例1.gif" />
+</div>
+
+<div align="center">
+    <img src="docs/_static/images/匹配动画样例2.gif" />
+</div>
+
+
+<div align="center">
+    <img src="docs/_static/images/匹配动画样例4.gif" />
+</div>
+
+<div align="center">
+    <img src="docs/_static/images/geojson_res.jpg" />
+</div>
+
+<br>
+
+<div align=center>
+~ 用户交流群， 遇到BUG无法解决请进群交流，别忘了给项目一颗star哦， 您的支持是我迭代的动力 ~
+</div>
+
+<br>
+
+<div align="center">
+    <img src="docs/_static/images/wxq.jpg" />
+</div>
+
+
+## 1. 简介
+本地图匹配包基于隐马尔可夫模型(HMM)实现了连续GPS点位的概率建模，利用这个包可以轻松对GPS数据进行地图匹配，本开源包的特点如下:
+
+**数据无忧**
+- 提供路网生产模块以及路网优化接口，您不需要准备任何路网和GPS数据即可玩转地图匹配；
+- 提供GPS样例数据生产模块，解决没有GPS数据的难题；
+- 提供GPS数据清洗接口，包括滑动窗口降噪、数据降频。
+
+**文档齐全**
+
+- 中文文档，有详细的操作指引；
+- 算法原理讲解部分不涉及复杂的公式推导，使用动画形式剖析算法原理,简洁明了。
+
+**匹配结果自动优化**
+- 对基于HMM匹配的初步路径进行了优化，对于不连通的位置会自动补路，对于实际路网不连通的位置会输出警告，方便用户检查路网。
+
+
+
+### 1.1. 如何安装gotrackit
+
+#### __所需前置依赖__
+
+- geopy(2.4.1)
+- gdal(3.4.3)
+- shapely(2.0.3)
+- fiona(1.9.5)
+- pyproj(3.6.1)
+- geopandas(0.14.3)
+- networkx(3.2.1)
+- pandas(2.0.3)
+- numpy(1.26.2)
+- keplergl(0.3.2)
+
+括号中为作者使用版本(基于python3.11), 仅供参考
+
+#### __使用pip安装__
+
+安装：
+
+``` shell
+pip install -i https://pypi.org/simple/ gotrackit
+```
+
+更新：
+``` shell
+pip install --upgrade  -i https://pypi.org/simple/ gotrackit
+```
+
+### 1.2 用户手册与视频教程
+
+[用户手册](https://gotrackit.readthedocs.io/en/latest/)
+
+[基于隐马尔可夫模型(HMM)的地图匹配算法动画版！学不会你来打我！](https://www.bilibili.com/video/BV1gQ4y1w7dC)
+
+[一个python包搞定路网获取+地图匹配！](https://www.bilibili.com/video/BV1nC411z7Vg)
+
+[gotrackit地图匹配包参数详解与问题排查](https://www.bilibili.com/video/BV1qK421Y7hV)
+
+[QGIS路网拓扑显示、底图加载、样式复用、map保存](https://www.bilibili.com/video/BV1Sq421F7QX)
+
+
+## 2. 地图匹配问题
+
+![car_gps.png](docs/_static/images/car_gps.png)
+
+![where_car.png](docs/_static/images/whereIsCar.png)
+
+__如何依据GPS数据推算车辆的实际路径？__
+
+![main.png](docs/_static/images/single_p.png)
+
+![main.png](docs/_static/images/transition.png)
+
+![main.png](docs/_static/images/viterbi.png)
+
+![main.png](docs/_static/images/trace.png)

{gotrackit-0.2.0 → gotrackit-0.2.2}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "setuptools.build_meta"
 
 [project]
 name = "gotrackit"
-version = "0.2.0"
+version = "0.2.2"
 dependencies = ["geopandas>=0.14.1", "shapely", "networkx", "pandas", "numpy", "keplergl", "geopy"]
 requires-python = ">=3.8"
 authors = [

{gotrackit-0.2.0 → gotrackit-0.2.2}/src/gotrackit/GlobalVal.py

@@ -18,9 +18,13 @@ class NetField(object):
         self.LENGTH_FIELD = 'length'
         self.GEOMETRY_FIELD = 'geometry'
         self.NODE_ID_FIELD = 'node_id'
-        self.NODE_PATH_FIELD = 'node_path'
+        self.S_NODE = 'o_node'
+        self.T_NODE = 'd_node'
+        self.NODE_PATH_FIELD = 'path'
         self.COST_FIELD = 'cost'
         self.LINK_VEC_FIELD = 'dir_vec'
+        self.SEG_COUNT = 'seg_count'
+        self.SEG_ACCU_LENGTH = 'seg_accu_length'
 
 class GpsField(object):
     """gps数据字段"""
@@ -55,6 +59,15 @@ class GpsField(object):
         self.DIFF_VEC = 'diff_vec'
 
 
+class RouteField(object):
+    """"""
+    def __init__(self):
+        self.PATH_ID_FIELD = 'path_id'
+        self.TIME_COST_FIELD = 'time_cost'
+        self.SEQ_FIELD = 'seq'
+        self.O_TIME_FIELD = 'o_time'
+
+
 class MarkovField(object):
     """HMM模型字段"""
     def __init__(self):
@@ -69,7 +82,7 @@ class MarkovField(object):
         self.STRAIGHT_LENGTH = 'straight_l'
         self.DIS_GAP = 'dis_gap'
         self.PRJ_L = 'prj_dis'
-        self.PRJ_GEO = 'prj_geo'
+        self.PRJ_GEO = 'prj_p'
         self.DIS_TO_NEXT = 'dis_to_next'
         self.HEADING_GAP = 'heading_gap'
 
@@ -382,6 +395,7 @@ class KeplerConfig(object):
 
         self.BASE_LINK_NAME = 'base_link'
         self.BASE_NODE_NAME = 'base_node'
+        self.ERROR_XFER = 'error_xfer'
         self.MIX_NAME = 'mix'
         self.GPS_NAME = 'gps'
         self.MATCH_LINK_NAME = 'match_link'