轨迹数据的格网化方法+个人小小的感悟_轨道数据格点数据-CSDN博客

本文链接：https://blog.csdn.net/weixin_37659245/article/details/89519444

博客介绍了轨迹数据转化为OD数据后，如何通过格网化方法进行处理。首先生成格网对应字典，接着确定OD位置的格网号。然后，按照格网统计数据，分享了对数据整合和处理在研究中的重要性的感悟。强调了技术基础对实现研究想法的必要性，认为技术与想法同样重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前提是已经将轨迹数据处理为了OD数据。
在这里插入图片描述
如图，第1列是出租车ID，第2~4列分别是上车位置的时间戳、经纬度；第5到7列是下车位置的时间戳、经纬度。

一、生成格网对应的字典文件

根据数据以及格网大小，使用python手动划分格网，并生成字典文件。
第一列数字代表了格网左上角点的位置，第二列代表了格网号。
在这里插入图片描述
还有一个方法：用arcgis划分格网，然后导出属性表文件（含编号与位置坐标）。但是我发现好像只可以得到格网中心位置点的坐标。因此，要么后续的判别方法根据中心点来判断，要么再对坐标文件处理，将每一个中心点坐标调整为左上角坐标。

二、得到每一个OD位置对应的格网号

# coding: utf-8
import time
import shapefile
from shapely.geometry import Point
from shapely.geometry import Polygon
import pyproj
import csv


def time_stamp(time_s):
    time_trans = time.localtime(int(time_s))
    return time_trans.tm_mon, time_trans.tm_mday, time_trans.tm_hour

## 定义投影函数
def proj_trans(lon, lat):
    p1 = pyproj.Proj(init="epsg:4326")
    p2 = pyproj.Proj(init="epsg:32650")
    x1, y1 = p1(lon, lat)
    x2, y2 = pyproj.transform(p1, p2, x1, y1, radians=True)
    return x2, y2


# 1：格网字典生成
with open("C:/Users/lp/GPS-yechao//grid_dict.txt", "r") as f:
    grid = dict()
    for line in f.readlines():
        grid_info = line.rstrip("\n").split(",")
        grid[grid_info[0