NGSIM中同一车辆的数据集提取——pandas

直接上代码:

降低了时间复杂度O(N),提取速度大大加快

# -*- coding: utf-8 -*-
"""
用于处理将NGSIM数据集中的车辆数据
将不同车辆的信息存储到独立的sheet中
"""

import pandas as pd

filename = 'E:/研究文件及讨论汇报/博弈论决策小组讨论资料/human_like论文数据集/trajectories-0750am-0805am.csv'   # 改为处理文件的位置
data = pd.read_csv(filename)

rows = data.shape[0]  # 获取行数 shape[1]获取列数
vehicles = list(set(data["Vehicle_ID"]))
print(vehicles)

writer = pd.ExcelWriter(r'trajectories-0750am-0805am_车辆信息1020.xlsx')  # 改为输出表格的信心
row = 0
for vehicle in vehicles:
    vehicle_excel = pd.DataFrame()
    while row <= rows :
        if data["Vehicle_ID"][row] > vehicle :
            break
        if data["Vehicle_ID"][row] == vehicle:
            vehicle_excel = pd.concat([vehicle_excel, data.iloc[[row], :]], axis=0, ignore_index = True)
            row += 1

    vehicle_excel.to_excel(writer, sheet_name = str(vehicle), index=False)  # 将每个车存成一个新sheet
    print(str(vehicle)+'号车提取完成')

writer.save()

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
NGSIM,即National Highway Traffic Safety Administration’s Next Generation SIMulation,是美国国家公路交通安全管理局(NHTSA)的下一代交通仿真工具,用于模拟交通流量和车辆行驶行为。而驾驶员跟驰模型是NGSIM一个重要的组成部分,用于模拟车辆间的相互关系和驾驶员的行为。 跟驰模型的标定是指将实际的跟驰行为与模型进行比对,调整模型参数以使其更加符合真实情况的一种过程。在NGSIM,跟驰模型的标定是一个复杂而艰巨的任务。其目的是通过在现实世界收集大量数据,并对其进行分析和处理,得出与跟车的行为有关的各种参数,然后将这些数据输入模型,调整模型性能以尽可能准确地反映真实世界的驾驶员行为和车辆间的交互作用。 NGSIM的跟驰模型标定需要注意以下几个方面:首先,要充分了解驾驶员行为的特点,包括驾驶员的反应时间、加速度和减速度等;其次,要对实际的驾驶行为进行全面而系统的监测和收集,并将数据进行清理和解析;最后,需要通过对数据进行建模和分析,得出可以用于模型的参数和变量,并且在上机仿真时,需对模型进行相应处理和调整,以尽可能地准确模拟真实世界的跟车行为。 总之,NGSIM的跟驰模型标定是一个比较复杂和具有挑战性的任务,需要充分考虑实际行驶条件和驾驶员行为特点,并结合模型参数进行反复调整和优化,从而能够准确地模拟驾驶员跟车行为和车辆间的交互作用。

“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 1
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

打赏作者

你今天吃麻辣红油锅了吗

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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