使用交互式地图和动画可视化伦敦的自行车流动性(下)

2020年01月29日 由 sunlei 发表 224915 0
前文回顾:使用交互式地图和动画可视化伦敦的自行车流动性(上)

密度图


上面的代码使用了一种动态的颜色方案,这取决于站点的容量。我们还可以根据每个站点的出发和到达次数,为这些圆形标记实现动态半径方案。我们可以得到我们所称的密度图,显示每个车站的净出发/到达人数。
def DensityMap(stations, cnt_departure, cnt_arrival):

London = [51.506949, -0.122876]

map = folium.Map(location = London,
zoom_start = 12,
tiles = "CartoDB dark_matter")

stations['Total Departure'] = cnt_departure
stations['Total Arrival'] = cnt_arrival

for index, row in stations.iterrows():
net_departure = row['Total Departure'] - row['Total Arrival']

_radius = np.abs(net_departure)
if np.isnan(_radius):
_radius = 0

if net_departure > 0:
_color= '#E80018' # target red
else:
_color= '#81D8D0' # tiffany blue

lat, lon = row['lat'], row['lon']
_popup = '('+str(row['capacity'])+'/'+str(int(_radius))+') '+row['station_name']
folium.CircleMarker(location = [lat,lon],
radius = _radius,
popup = _popup,
color = _color,
fill_opacity = 0.5).add_to(map)

return map

 

我在这里使用了一种不同的配色方案(target red和tiffany blue在美国都是注册商标的颜色)来显示某个车站的发车数量是否大于或小于进站数量。大圈标记表示较大的出发-到达差异。

让我们看看早上和晚上高峰时间的密度地图:
# Select peak hours

TimeSlice = [25,53] # morning and evening
keyword = ['map_morning', 'map_evening']

# Journeys depart between 0820 and 0859, and between 1740 and 1819
for ts, kw in zip(TimeSlice, keyword):
df_1 = df[df["TimeSlice"] == ts]
df_2 = df[df["TimeSlice"] == (ts+1)]
df_target = df_1.append(df_2)

cnt_departure = df_target.groupby("id_start").count().iloc[:,0]
cnt_arrival = df_target.groupby("id_end").count().iloc[:,0]

vars()[kw] = DensityMap(stations, cnt_departure, cnt_arrival)

[caption id="attachment_50091" align="aligncenter" width="1660"] 早高峰密度图[/caption]

 

[caption id="attachment_50092" align="aligncenter" width="1660"] 晚高峰时间的密度图[/caption]

密度图可以在https://edenau.github.io/maps/Density-morning/和https://edenau.github.io/maps/Density-weight/上找到。

连接图


前面提到的所有地图都只关注站点,而不是行程,但是我们也可以通过所谓的连接地图来可视化行程,通过简单地在地图上绘制完成的行程。没有深入研究很多细节:

[caption id="attachment_50093" align="aligncenter" width="1660"] 连接图[/caption]

我们还可以通过folium.LayerControl()添加多个连接层,以分隔经常使用和不经常使用的路径层。

[caption id="attachment_50094" align="aligncenter" width="2114"] 多层连接图[/caption]

连接图可以在https://edenau.github.io/maps/connection-morning-layers/上找到。

动画


到目前为止,我们已经演示了如何通过图表来可视化时间和分布信息,以及通过各种地图来可视化空间信息。但是如果我们在连续的时间实例上生成多个映射呢?我们可以使用动画可视化时空信息!

生成的地图是.html文件中的web地图。其目的是:

为每个时间实例生成一个地图,在web浏览器上浏览,截图并保存图片,然后将所有图片链接一起作为视频或.gif文件。

我们将通过selenium实现web浏览和屏幕捕获过程的自动化。。我们还需要一个网络驱动程序,作为一个Chrome用户,我选择了Chrome driver。
from selenium import webdriver

def a_frame(i, frame_time, data):
my_frame = get_image_map(frame_time, data)

# Save the web map
delay = 5 # give it some loading time
fn = 'frame_{:0>5}'.format(i)
DIR = 'frames'
f = DIR + '/' + fn + '.html'
tmpurl='file://{path}/{mapfile}'.format(path=os.getcwd()+
'/frames',mapfile=fn)
my_frame.save(f)

# Open the web map and take screenshot
browser = webdriver.Chrome()
browser.get(tmpurl)
time.sleep(delay)
f = DIR + '/' + fn + '.png'
browser.save_screenshot(f)
browser.quit()
f = 'frames/frame_{:0>5}.png'.format(i)
image = Image.open(io.BytesIO(f))
draw = ImageDraw.ImageDraw(image)
font = ImageFont.truetype('Roboto-Light.ttf', 30)



# Add text on picture
draw.text((20, image.height - 50),
'Time: {}'.format(frame_time),
fill=(255, 255, 255),
font=font)

# Write the .png file
dir_name = "frames"
if not os.path.exists(dir_name):
os.mkdir(dir_name)
image.save(os.path.join(dir_name, 'frame_{:0>5}.png'.format(i)), 'PNG')

return image

然后我们可以用ffmpeg制作视频或gif。对于Mac用户来说,安装ffmpeg在自制软件的帮助下几乎不费什么力气

自制程序会安装你需要的东西,而苹果不会。

安装Homebrew(使用单个命令)后,只需键入
$ brew install ffmpeg

还有,喂!要创建.mp4文件,请尝试
$ ffmpeg -r 10 -i frames/frame_%05d.png -c:v libx264 -vf fps=25 -crf 17 -pix_fmt yuv420p video.mp4

对于.gif文件,请尝试
$ ffmpeg -y  -t 3 -i frames/frame_%05d.png \ -vf fps=10,scale=320:-1:flags=lanczos,palettegen palette.png

$ ffmpeg -r 10 -i frames/frame_%05d.png -i palette.png -filter_complex \ "fps=10,scale=720:-1:flags=lanczos[x];[x][1:v]paletteuse" animation.gif

查看全天的密度地图动画:

[caption id="attachment_50095" align="aligncenter" width="720"] 全天的密度地图动画[/caption]

以及不同时期的行程动画:

[caption id="attachment_50096" align="aligncenter" width="720"] 早上的行程动画[/caption]

[caption id="attachment_50097" align="aligncenter" width="720"] 晚上的行程动画[/caption]

结论


伦敦的自行车共享系统使用柱形图、密度图、连接图和动画进行可视化。

Python的抽象使得它成为一个非常好的时空数据可视化工具(以牺牲计算时间为代价)。我利用了folium、selenium、chromedriver、brew、ffmpeg,最重要的是,利用了Vincent代码的部分构建块来实现这一点。

原文链接:https://towardsdatascience.com/visualizing-bike-mobility-in-london-using-interactive-maps-for-absolute-beginners-3b9f55ccb59

 
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
评论 登录
热门职位
Maluuba
20000~40000/月
Cisco
25000~30000/月 深圳市
PilotAILabs
30000~60000/年 深圳市
写评论取消
回复取消