0. 引言
全球定位系统（GPS）是现代技术的支柱之一，广泛应用于交通导航、科学研究、智能设备等领域。GPS接收机通过接收来自卫星的信号，确定设备的地理位置，并将这些位置信息记录在数据文件中。这些数据文件通常包含大量的信息，如时间、位置、海拔高度、卫星状态等。本篇文章将通过解析这些数据文件，展示如何利用Python和Folium库实现数据的读取、处理和可视化，帮助读者深入理解GPS数据的处理过程。
1. GPS数据概述
1.1 GPS工作原理
GPS通过接收至少四颗卫星的信号来确定设备的位置。这些信号包含了卫星的时间和位置数据，接收机通过三角测量法计算出用户的经度、纬度和海拔高度。这些计算结果通常被记录在NMEA（National Marine Electronics Association）格式的数据文件中。
1.2 NMEA 0183协议简介
NMEA 0183是一种标准的GPS数据通信协议，用于描述从GPS接收机发送到其他设备的信号。NMEA语句以"$"开头，常见的语句类型包括GPGGA、GPRMC等。本文重点关注的GPGGA语句包含了最重要的定位信息，如经纬度、海拔高度、卫星状态等。
2. GPGGA语句解析
2.1 GPGGA语句结构详解
GPGGA语句是GPS接收机输出的关键数据类型之一，提供了精确的位置和状态信息。典型的GPGGA语句结构如下：
$GPGGA,123519,4807.038,N,01131.000,E,1,08,0.9,545.4,M,46.9,M,,*47
这条语句由多个字段组成，分别表示：
- UTC时间：123519 表示12:35:19
- 纬度：4807.038,N 表示48度07.038分北纬
- 经度：01131.000,E 表示11度31.000分东经
- 定位质量：1 表示GPS定位已有效
- 使用的卫星数量：08 表示共使用了8颗卫星
- 水平精度因子（HDOP）：0.9
- 海拔高度：545.4 表示海拔高度为545.4米
- 地球椭球面相对于海平面的高度：46.9米
- 校验和：*47 用于验证语句的完整性
2.2 解析GPGGA语句的代码实现
解析GPGGA语句的关键在于将语句分解为各个字段，并将这些字段转换为易于处理的格式。以下Python代码展示了如何实现这一过程：
import re
def parse_gpgga(sentence):
fields = sentence.split(',')
if len(fields) < 10:
print("Error: Not enough fields in the sentence")
return {}
try:
latitude = float(fields[2][:2]) + float(fields[2][2:]) / 60.0
longitude = float(fields[4][:3]) + float(fields[4][3:]) / 60.0
latitude_direction = fields[3]
longitude_direction = fields[5]
fix_quality = fields[6]
satellites = int(fields[7])
altitude = float(fields[9])
except ValueError as e:
print(f"ValueError: {e}")
return {}
return {
'time': fields[1],
'latitude': latitude if latitude_direction == 'N' else -latitude,
'longitude': longitude if longitude_direction == 'E' else -longitude,
'fix_quality': fix_quality,
'satellites': satellites,
'altitude': altitude,
}
在这段代码中，parse_gpgga 函数首先检查语句的字段数量是否足够，然后解析出时间、纬度、经度、卫星状态等信息，并以字典形式返回。错误处理部分确保了在解析过程中遇到数据格式问题时，程序能够安全退出并输出相关错误信息。
3. 批量解析GPS数据文件
3.1 GPS数据文件的组织结构
在实际应用中，GPS数据通常存储在多个文件中，每个文件记录一段时间内的位置信息。为了有效处理这些数据，我们需要编写代码从多个文件中批量读取并解析GPS数据。假设这些文件存储在一个目录中，每个文件名以日期和时间命名，如 lh-2024-07-23-095738.txt。
3.2 文件批量处理代码实现
以下代码展示了如何从指定目录中批量读取所有的GPS数据文件，并调用之前定义的 parse_gpgga 函数对其进行解析。
import os
def parse_gps_data(file_path):
gps_data = []
with open(file_path, 'r', encoding='utf-8') as file:
for line in file:
if re.search(r'\$GPGGA,[^$]+', line):
data = parse_gpgga(line)
if data:
gps_data.append(data)
return gps_data
def batch_parse_gps_files(directory):
all_gps_data = []
for filename in os.listdir(directory):
if filename.endswith(".txt"):
file_path = os.path.join(directory, filename)
print(f"Processing file: {file_path}")
gps_data = parse_gps_data(file_path)
print(f"Parsed data from {filename}: {gps_data}")
all_gps_data.extend(gps_data)
return all_gps_data
在此代码中，batch_parse_gps_files 函数遍历指定目录中的所有文件，并依次解析每个文件中的GPS数据。最终返回一个包含所有GPS数据的列表。这样就可以对大量GPS数据进行批量处理，极大地提高了效率。
4. GPS数据的可视化
数据可视化是分析和理解GPS数据的关键步骤。通过将GPS数据可视化，可以直观地展示设备的运动轨迹和位置变化。Folium库是Python中用于生成交互式地图的强大工具，下面我们将展示如何利用Folium将GPS数据绘制在地图上。
4.1 Folium库的介绍
Folium是一个基于Leaflet.js的Python库，可以生成丰富的地图展示。它支持多种地图样式，包括OpenStreetMap、Stamen Terrain、Google地图等。Folium还允许在地图上添加标记、线条、多边形等元素，并支持自定义样式，使其非常适合用于GPS数据的可视化。
4.2 地图样式与图层控制
为了丰富地图的展示效果，我们可以在Folium中添加多个图层，并通过图层控制器切换不同的地图样式。以下代码展示了如何在Folium中使用OpenStreetMap作为基础图层，同时添加Google卫星地图作为可选图层。
import folium
def visualize_gps_data(gps_data):
if not gps_data:
print("No GPS data available to visualize.")
return
map_center = [gps_data[0]['latitude'], gps_data[0]['longitude']]
gps_map = folium.Map(location=map_center, zoom_start=14, tiles='OpenStreetMap')
folium.TileLayer(
tiles='https://mt1.google.com/vt/lyrs=s&x={x}&y={y}&z={z}',
name='Google Satellite',
attr='© Google'
).add_to(gps_map)
folium.LayerControl().add_to(gps_map)
在上述代码中，folium.Map 函数创建了一个以OpenStreetMap为基础的地图，folium.TileLayer 用于添加Google卫星图层，并通过 folium.LayerControl 添加图层控制器，允许用户在不同的图层之间切换。
4.3 GPS数据的标记与展示
接下来，我们将解析得到的GPS数据添加到地图上。为了防止过多的重复数据导致标记重叠，我们首先对GPS数据进行去重处理，然后使用 folium.CircleMarker 添加标记。
def visualize_gps_data(gps_data):
if not gps_data:
print("No GPS data available to visualize.")
return
map_center = [gps_data[0]['latitude'], gps_data[0]['longitude']]
gps_map = folium.Map(location=map_center, zoom_start=14, tiles='OpenStreetMap')
folium.TileLayer(
tiles='https://mt1.google.com/vt/lyrs=s&x={x}&y={y}&z={z}',
name='Google Satellite',
attr='© Google'
).add_to(gps_map)
folium.LayerControl().add_to(gps_map)
unique_gps_data =
[]
seen = set()
for data in gps_data:
coord = (data['latitude'], data['longitude'])
if coord not in seen:
unique_gps_data.append(data)
seen.add(coord)
for data in unique_gps_data:
print(f"Adding marker at ({data['latitude']}, {data['longitude']})")
folium.CircleMarker(
[data['latitude'], data['longitude']],
radius=0.5,
color='red',
fill=True,
fill_color='red',
fill_opacity=0.8
).add_to(gps_map)
gps_map.save('gps_map.html')
此代码的主要功能是将解析出的GPS数据以红色圆圈的形式标记在地图上，并以适当的缩放级别显示地图。最终生成的地图将被保存为HTML文件，可以在浏览器中查看。
4.4 解决白色轨迹线问题
在使用Folium进行GPS数据可视化时，有时会遇到标记点之间出现白色轨迹线的问题，这通常是由于地图渲染器的处理导致的。为了避免这个问题，我们通过调整标记的样式，如半径、颜色和透明度等，来减少视觉干扰。
folium.CircleMarker(
[data['latitude'], data['longitude']],
radius=0.5,
color='red',
fill=True,
fill_color='red',
fill_opacity=0.8
).add_to(gps_map)
通过使用较小的标记半径和高透明度的颜色，我们可以显著降低白色轨迹线的出现几率，使地图显示更加清晰。
5. 项目实践应用：从数据采集到可视化展示
在实际项目中，GPS数据的处理和展示往往是一个复杂的过程，涉及到数据的采集、解析、清洗、处理和最终的可视化展示。通过本文的示例代码，读者可以完整地体验这个过程，从而能够在实际应用中实现更复杂的GPS数据处理和分析。
5.1 机器采集数据(.txt)
5.2 文件(.txt)部分关键信息
5.3 项目代码
import os
import folium
import sys
import re
def parse_gpgga(sentence):
fields = sentence.split(',')
if len(fields) < 10:
print("Error: Not enough fields in the sentence")
return {}
try:
latitude = float(fields[2][:2]) + float(fields[2][2:]) / 60.0
longitude = float(fields[4][:3]) + float(fields[4][3:]) / 60.0
latitude_direction = fields[3]
longitude_direction = fields[5]
fix_quality = fields[6]
satellites = int(fields[7])
altitude = float(fields[9])
except ValueError as e:
print(f"ValueError: {e}")
return {}
return {
'time': fields[1],
'latitude': latitude if latitude_direction == 'N' else -latitude,
'longitude': longitude if longitude_direction == 'E' else -longitude,
'fix_quality': fix_quality,
'satellites': satellites,
'altitude': altitude,
}
def parse_gps_data(file_path):
gps_data = []
with open(file_path, 'r', encoding='utf-8') as file:
for line in file:
# print(f"Reading line: {line.strip()}") # 添加调试输出
if re.search(r'\$GPGGA,[^$]+', line):
data = parse_gpgga(line)
if data: # 检查是否成功解析数据
gps_data.append(data)
return gps_data
def batch_parse_gps_files(directory):
all_gps_data = []
for filename in os.listdir(directory):
if filename.endswith(".txt"):
file_path = os.path.join(directory, filename)
print(f"Processing file: {file_path}") # 调试输出
gps_data = parse_gps_data(file_path)
print(f"Parsed data from {filename}: {gps_data}") # 调试输出
all_gps_data.extend(gps_data)
return all_gps_data
def visualize_gps_data(gps_data):
if not gps_data:
print("No GPS data available to visualize.")
return
map_center = [gps_data[0]['latitude'], gps_data[0]['longitude']]
gps_map = folium.Map(location=map_center, zoom_start=14, tiles='OpenStreetMap')
folium.TileLayer(
tiles='https://mt1.google.com/vt/lyrs=s&x={x}&y={y}&z={z}',
name='Google Satellite',
attr='© Google'
).add_to(gps_map)
folium.LayerControl().add_to(gps_map)
unique_gps_data = []
seen = set()
for data in gps_data:
coord = (data['latitude'], data['longitude'])
if coord not in seen:
unique_gps_data.append(data)
seen.add(coord)
for data in unique_gps_data:
print(f"Adding marker at ({data['latitude']}, {data['longitude']})")
folium.CircleMarker(
[data['latitude'], data['longitude']],
radius=0.5, # 半径大小
color='red', # 边框颜色
fill=True,
fill_color='red', # 填充颜色
fill_opacity=0.8
).add_to(gps_map)
gps_map.save('gps_map.html')
if __name__ == '__main__':
# 自定义路径
directory = "F:\\notebookComputer\\20240723\\101711_ND03_ruprtpldbyihyjhh_gpslog\\gps\\log\\lhd"
parsed_gps_data = batch_parse_gps_files(directory) # 使用正确的路径变量
visualize_gps_data(parsed_gps_data)
5.4 运行保存文件：gps_map.html
5.5 打开文件轨迹效果：Google地图
6. 总结
本文通过详细的步骤展示了如何解析GPS接收机生成的GPGGA语句，并利用Folium库将这些数据进行可视化展示。通过这一过程，读者不仅可以掌握GPS数据的基本处理方法，还能深入了解如何在Python中实现复杂的数据可视化并在此基础上扩展到更复杂的应用场景，进一步提升对GPS数据的理解和应用能力。希望这些内容能够为读者在相关领域的开发和研究提供有益的参考。
参考文献
| 欢迎点赞|关注|收藏|评论，您的肯定是我创作的动力 |
扫一扫
2000
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
