使用Python获取ADS-B数据,并显示飞机航迹动态

使用Python获取ADS-B数据,并显示飞机航迹动态。

1.绘图环境

  1)使用cartopy显示地理位置信息

import cartopy.crs as ccrs 
from cartopy.io.img_tiles import OSM

 2)使用matplotlib实现飞机轨迹的刷新

 3)使用OpenSkyApi,获取开发的ADS-B数据。

2.配置开发环境

1)安装cartopy。使用pip安装cartopy无法成功。在https://www.lfd.uci.edu下载whl文件文件后,使用pip install **.whl后安装成功。

2)安装成功后,import cartopy失败,提示‘OSError: [WinError 126] 找不到指定的模块’。使用两个步骤解决问题:

下载 Visual C++ Redistributable for Visual Studio 2017:

64位地址:https://go.microsoft.com/fwlink/?LinkId=746572

32位地址:https://go.microsoft.com/fwlink/?LinkId=746571

 

重新下载shapely WHL文件安装:

地址:https://www.lfd.uci.edu/~gohlke/pythonlibs/#shapely

3)考虑如何获取ADS-B数据。ADS-B exchange是很全面的网站。但是貌似不免费开放了。

现在考虑使用OpenSkyApi,该数据貌似在中国覆盖较少,欧洲航班较多。

该api直接提供了python接口下载,需要从github上下载python文件,然后进行安装。

3.运行数据

有了环境、有了数据,就是运行程序了,看看是否有需求再写下一篇文章。。。

  • 5
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
航迹关联是指将雷达数据、AIS数据ADS-B数据等多源数据融合起来,确定每一架飞机航迹信息。一般来说,航迹关联的代码分为两个部分:数据处理和关联算法。下面是一个简单的示例代码,供您参考。 数据处理部分: ```python # 假设雷达数据、AIS数据ADS-B数据分别存储在三个文件中,每个文件包含多行数据,每行数据表示一条记录 import pandas as pd # 读取雷达数据 radar_data = pd.read_csv('radar_data.csv', header=None, names=['time', 'id', 'latitude', 'longitude', 'altitude']) # 读取AIS数据 ais_data = pd.read_csv('ais_data.csv', header=None, names=['time', 'id', 'latitude', 'longitude', 'speed', 'course']) # 读取ADS-B数据 adsb_data = pd.read_csv('adsb_data.csv', header=None, names=['time', 'id', 'latitude', 'longitude', 'altitude', 'speed', 'course']) # 将三个数据集合并成一个数据集 data = pd.concat([radar_data, ais_data, adsb_data], axis=0, ignore_index=True) # 对数据按时间进行排序 data = data.sort_values(by='time') # 将重复的记录删除 data = data.drop_duplicates(subset=['time', 'id']) ``` 关联算法部分: ```python # 定义一个函数,用于计算两个坐标点之间的距离 from math import radians, cos, sin, asin, sqrt def haversine(lon1, lat1, lon2, lat2): """ Calculate the great circle distance between two points on the earth (specified in decimal degrees) """ # 将十进制度数转化为弧度 lon1, lat1, lon2, lat2 = map(radians, [lon1, lat1, lon2, lat2]) # haversine公式 dlon = lon2 - lon1 dlat = lat2 - lat1 a = sin(dlat/2)**2 + cos(lat1) * cos(lat2) * sin(dlon/2)**2 c = 2 * asin(sqrt(a)) r = 6371 # 地球平均半径,单位为公里 return c * r # 定义一个函数,用于判断两个坐标点是否在同一位置 def is_same_location(lon1, lat1, lon2, lat2): return haversine(lon1, lat1, lon2, lat2) < 0.1 # 假设两个点距离小于100米则视为同一位置 # 定义一个函数,用于关联两个数据记录 def associate_records(record1, record2): if record1['id'] != record2['id']: return False if not is_same_location(record1['longitude'], record1['latitude'], record2['longitude'], record2['latitude']): return False if abs(record1['time'] - record2['time']) > 5: # 假设两个记录的时间戳相差不超过5秒,则认为是同一记录 return False return True # 定义一个函数,用于关联所有数据记录 def associate_data(data): groups = [] # 用于保存所有关联的记录组 for i in range(len(data)): group = [data.iloc[i]] for j in range(i+1, len(data)): if associate_records(data.iloc[i], data.iloc[j]): group.append(data.iloc[j]) if len(group) > 1: groups.append(group) return groups # 调用关联函数,输出所有关联的记录组 groups = associate_data(data) for group in groups: print(group) ``` 上述代码仅为示例代码,没有考虑到实际应用中可能出现的各种情况,仅供参考。在实际应用中,需要根据具体情况对代码进行修改和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值