saturation 1.0.0

服务区饱和度分析系统

服务区饱和度分析系统

本系统用于高速公路服务区饱和度分析，包含数据处理、聚类分析、分类判别、流量分析、饱和度分析和预测模型六个主要功能模块。

安装

从源码安装

git clone <项目仓库URL>
cd 服务区饱和度分析
pip install -e .

使用pip安装

pip install saturation

数据要求

系统需要在result目录下存放以下格式的数据文件：

• G006550002000620010.csv：下行车辆原始数据
• G006550002000520010.csv：中间服务区车辆数据
• G006550002000420010.csv：上行服务区车辆数据
• G006550002000320010.csv：上游服务区车辆数据
• current_up.csv：当前服务区上行数据
• current_down.csv：当前服务区下行数据
• 其他中间文件会在处理过程中自动生成

使用方法

命令行使用

# 执行完整流程
python -m saturation.main --all

# 单独执行数据处理
python -m saturation.main --process

# 单独执行聚类分析
python -m saturation.main --cluster

# 单独执行分类判别分析
python -m saturation.main --classify

# 单独执行流量分析
python -m saturation.main --flow

# 单独执行饱和度分析
python -m saturation.main --analyze

# 单独执行预测模型
python -m saturation.main --predict

Python代码中使用

# 数据处理
from saturation.enJud import data_process
data_process.complete_data_processing_pipeline()

# 聚类分析
from saturation.enJud import julei
julei.main()

# 分类判别
from saturation.enJud import fenleipanbie
fenleipanbie.main()

# 流量分析
from saturation import flow
flow.main()

# 饱和度分析
from saturation.satAna import saturation
saturation.main()

# 预测模型
from saturation.pre import 预测模型 as prediction_model
prediction_model.main()

# 或者使用主程序执行完整流程
from saturation.main import full_pipeline
results = full_pipeline()

程序流程

1. 数据处理模块 (saturation.enJud.data_process)

处理原始ETC数据，包括：

• 数据去重
• 匹配车辆
• 计算速度
• 按车型分组
• 计算P1和P2值等

2. 聚类分析模块 (saturation.enJud.julei)

对处理后的数据进行聚类分析，确定不同饱和度级别的特征。

3. 分类判别模块 (saturation.enJud.fenleipanbie)

基于聚类结果和速度数据进行分类判别。

4. 流量分析模块 (saturation.flow)

分析车流量特征，包括：

• 计算时间值
• 调整流量
• 分析客车、货车流量
• 分析内部和外部流量

5. 饱和度分析模块 (saturation.satAna.saturation)

基于流量分析结果，对服务区的饱和度进行分析和评估。

6. 预测模块 (saturation.pre)

基于历史数据和机器学习模型，对服务区未来的饱和度进行预测。

开发说明

目录结构

服务区饱和度分析/
├── result/              # 数据存储目录
├── saturation/          # 主程序包
│   ├── __init__.py      # 包初始化
│   ├── main.py          # 主程序入口
│   ├── flow.py          # 流量分析模块
│   ├── enJud/           # 入口判断模块
│   │   ├── __init__.py
│   │   ├── data_process.py  # 数据处理
│   │   ├── julei.py     # 聚类分析
│   │   ├── fenleipanbie.py  # 分类判别
│   │   └── ...
│   ├── satAna/          # 饱和度分析模块
│   │   ├── __init__.py
│   │   └── saturation.py  # 饱和度分析
│   └── pre/             # 预测模块
│       ├── __init__.py
│       ├── 预测模型.py   # 预测模型
│       └── *.h5         # 模型文件
└── setup.py             # 安装配置

输入输出文件

原始输入文件

• G006550002000620010.csv - 下行车辆数据
• G006550002000520010.csv - 中间服务区车辆数据
• G006550002000420010.csv - 上行服务区车辆数据
• G006550002000320010.csv - 上游服务区车辆数据
• current_up.csv - 当前服务区上行数据
• current_down.csv - 当前服务区下行数据

中间处理文件

• down.csv - 去重后的下行数据
• matched_vehicle_*.csv - 匹配车辆数据
• speed_*.csv - 速度数据
• total.csv - 合并的速度数据
• 聚类结果.csv - 聚类分析结果
• 分类判别.csv - 分类判别结果

最终输出文件

• merged_flow_saturation_PCA.csv - 饱和度分析结果
• saturation_clusters.csv - 饱和度聚类结果
• etc_flow.csv - 流量分析结果

开发环境

• Python 3.7+
• pandas
• numpy
• scikit-learn
• matplotlib
• tensorflow
• keras
• scikit-fuzzy

许可证

本项目遵循 MIT 许可证