python车辆路径优化_构建一个pip安装的车辆路径显示的python包

最近有一些车辆的gps数据要分析，想着能否先直观地感受下车辆的运行情况，正好有leaflet地图库，做起来很方便。简单实现了基本需求后，想着能不能封装下，弄成个python包的形式，这样可以在其他地方使用pip安装，在程序里import调用，也显得简洁。

基本效果

基本功能实现

html页面借助leaflet实现由地理坐标和时间列表数据产生的动态轨迹。

数据获取利用jinja2模板渲染，直接往html模板(即path_template)中填充数据(经纬度，对应时间，以及轨迹运行快慢即时间间隔)。

最后保存渲染好的html文件到本地。

代码如下，很简单，就是一个模板变量加一个函数，仅供参考。将该文件保存为car.py。

# -*- coding: utf-8 -*-

from jinja2 import Template

path_template = '''

车辆路径图

var app = new Vue({

el: '#mapid',

data: {

message: 'Hello Vue!',

latlngs: [

{% for lat,lng in latlngs %}

[ {{ lat }}, {{ lng }} ],

{% endfor %}

],

time: [

{% for i in times %}

'{{i.hour}}:{{i.minute}}:{{i.second}}',

{% endfor %}

],

num: 0,

colors: ['purple', 'pink', 'orange', 'yellow', 'green', 'blue'],

deltatime: {{ deltatime }},

},

mounted: function () {

this.$nextTick(function () {

// 代码保证 this.$el 在 document 中

this.initMap();

this.genPath();

this.addButton();

setTimeout(this.pathRun, 1000);

})

},

methods: {

initMap() {

this.mymap = L.map('mapid', {

zoom: 7, //初始聚焦程度

center: this.latlngs[0], // [lat, lng] [纬度, 经度]

minZoom: 3, //最宽广，越小越宽广

maxZoom: 18, //最细致，越大越细致

});

L.tileLayer(

'https://webrd0{s}.is.autonavi.com/appmaptile?lang=zh_cn&size=1&scale=1&style=8&x={x}&y={y}&z={z}', {

subdomains: ["1", "2", "3", "4"], //可用子域名，用于浏览器并发请求

attribution: "© 高德地图", //可以修改为其它内容

}).addTo(this.mymap); //添加tile层到地图

this.marker = L.marker(this.latlngs[0]).addTo(this.mymap);

this.marker.bindPopup(this.time[0]).openPopup();

},

genPath() {

L.polyline(this.latlngs).addTo(this.mymap);

this.mymap.fitBounds(this.latlngs);

this.runline = L.polyline([], {color: 'red'}).addTo(this.mymap);

},

pathRun(){

if ( this.num > (this.latlngs.length-1) ){

this.num = 0

}

this.marker.setLatLng(this.latlngs[this.num])

this.marker.getPopup().setContent(this.time[this.num])

this.runline.addLatLng(this.latlngs[this.num])

this.num += 1

if (this.changeView != null){

this.changeView()

}

setTimeout(this.pathRun, {{deltatime}})

},

addButton() {

// https://github.com/CliffCloud/Leaflet.EasyButton

L.easyButton('fa-refresh', this.refresh).addTo(this.mymap);

L.easyButton('fa-taxi', this.follow).addTo(this.mymap);

this.followstate = false;

},

refresh() {

this.mymap.fitBounds(this.latlngs);

},

follow() {

if(this.followstate == true){

this.followstate = false;

this.changeView = null;

this.refresh();

this.marker.closePopup();

}

else{

this.followstate = true;

this.changeView = this._changeView ;

this.marker.openPopup();

}

},

_changeView(){

this.mymap.setView(this.marker.getLatLng());

},

}

})

'''

def producePath(latlngs, times, deltatime=50, filename="./path_rendering.html"):

rendering = Template(path_template).render(

latlngs = latlngs,

times = times,

deltatime = deltatime,

)

with open(filename, 'w', encoding='utf-8') as path_rendering:

path_rendering.write(rendering)

封装为python包并上传

制作python包稍微有点麻烦，之前做了个简陋的脚手架工具帮助我创建一些基本的文件，省得再动手了。

使用pip install mwrz安装该工具，然后在工作目录下执行命令行fastpypi --packagename=carpathview产生一个myNewPackage的文件夹，里面有个名为carpathview的包及一些基本文件。

按照命令行输出的提示，我们需要先修改myNewPackage文件夹中的.pypirc文件，将your_username和your_password改为你的用户名和密码，如果没有的话先去pypi与testpypi注册。修改好之后将它剪切到用户配置目录，windows下使用echo %HOMEPATH%命令找到该目录。

然后修改setup.py文件，首先这次不需要产生命令行脚本，注释掉scripts所在行，然后由于我们的程序使用了2.9版本的jinja2，在install_requires行添加依赖库，改为install_requires = ['jinja2>=2.9'],，其他作者之类信息看情况修改，关系不大。项目说明写在README.md文件中。

进入carpathview包中，这是真正的项目目录。删除pyScript.py，将car.py拷贝到当前目录。修改__init__.py，添加一行from .car import *，这里使用了相对引入。

最后回到myNewPackage目录下，使用提示的四个命令进行上传即可。

python setup.py register -r pypitest

python setup.py sdist upload -r pypitest

python setup.py register -r pypi

python setup.py sdist upload -r pypi

下载测试

国内镜像源可能不能那么及时更新，我们指定镜像源下载安装 - pip install carpathview -i https://pypi.python.org/pypi

然后就可以在程序中简单使用from carpathview import producePath调用该函数实现功能了。

其他

动态轨迹看到个用d3产生的效果，比较漂亮，不过当前这个简陋版已经满足我的需求，就不烦了。

本来想使用现成的plotly的地图效果，可惜支持好像不太好。

写完两天后，突然发现一个python-leaflet的库 - folium。在开源世界探索真像淘金，不知道什么时候你的痛点别人也遇到过，而且留下了解决方案。使用效果如下，还是很不错的，基本需求使用起来非常方便，但是特定场景还是需要再费工夫的。很巧，它也使用了jinja2，哈哈。