weixin_70682362的博客

原创 使用深度学习框架实现功能

TensorFlow/Keras是PyTorch的主流替代框架，简洁高效，可快速实现训练，手动循环则更贴近PyTorch逻辑，便于迁移学习。两个框架核心功能一一对应，差异主要在梯度管理、模型构建和训练循环的实现形式。本次代码与PyTorch实现的模型结构、超参数完全一致，测试准确率同样可达97%以上，模型可直接保存和加载。其他框架（MXNet/PaddlePaddle）核心流程一致，仅需适配对应API即可实现相同功能。

原创 深度学习的一些代码及解析

PyTorch核心流程：数据加载→模型构建→损失/优化器定义→训练→评估。训练三要素：模型（提取特征）、损失函数（衡量误差）、优化器（更新参数）。（训练）与（评估）。（清空梯度）、（计算梯度）、（更新参数）。自动适配GPU/CPU，数据与模型需统一设备。

原创 pycharm自主编程的操作步骤

根据你学习路线的进展，是时候掌握PyCharm这个专业的Python开发工具了。与在Notebook中探索不同，使用PyCharm进行意味着你需要完整地管理项目。以下是其核心操作步骤和关键概念。

原创 matplotlib的学习路线

Matplotlib是Python数据可视化的核心工具。结合你已掌握的Python和Pandas，遵循“”的路径学习效果最好。下图清晰地展示了这一学习路径与核心技能：fill:#333;important;important;fill:none;color:#333;color:#333;important;fill:none;fill:#333;height:1em;Matplotlib学习路线第一阶段：基础会用第二阶段：精通核心第三阶段：高级美化掌握核心概念快速绘图基础图表定制。

原创 kaggle的学习路线

结合你前面关注的Python数据分析基础和Pandas进阶，一个清晰的Kaggle学习路线可以帮助你将知识应用于实战，并逐步提升。

原创 pandas的进阶用法

Pandas的进阶用法能让你在数据清洗、分析和探索中更加高效。

原创 不同人工智能应用的对比

人工智能应用种类繁多，为了让你更清晰地了解它们的差异，我将从等多个维度进行对比分析。

原创 python数据分析的学习路线

希望这份路线图和实战案例能帮助你顺利启程。如果你能告诉我你的编程基础（例如，是完全零基础，还是有其他语言经验），或者具体想分析什么类型的数据（如商业、金融、生物等），我可以给你更具体的学习资源建议。以下是一个整合了数据加载、探索、可视化、建模与评估的完整数据分析流程示例，使用了第二、三阶段的核心库。整个路线可以划分为四个阶段，以下表格汇总了每个阶段的核心目标、关键技能与建议时间。

原创 程序设计的基本方法及原则

方法是**“术”**，告诉你如何一步一步构建程序（如：先分解，再抽象成类，然后TDD）。原则是**“道”**，是指导你做出更好设计决策的哲学（如：保持简单、别重复、依赖抽象）。对于初学者：应从结构化程序设计和面向对象基础入手，在实践中牢记KISS、DRY、高内聚低耦合这些核心原则。对于进阶者：应深入理解SOLID原则，并尝试TDD、重构、设计模式等实践，将它们融入到敏捷迭代的开发流程中，不断追求代码的清晰性、灵活性和可维护性。创造出易于理解、易于修改、易于测试、错误更少，并且能长期有效工作的软件。

原创 交通信号控制配时研究——以西南路与黄河路交叉口为例

本文以西南路与黄河路交叉口为研究对象，开展信号控制配时研究。首先通过实地调查获取交通量、饱和车头时距、信号配时等数据，经处理计算得到高峰小时交通量、饱和流率、黄灯时间等关键参数，并明确交叉口相位及原配时方案；接着依据相关规范，运用HCM法和TRRL法进行信号配时设计，得出两种方法的周期时长、各相位有效绿灯时间等参数；然后从通行能力、饱和度、延误等方面对现有配时及两种新配时方案进行理论评价，同时利用Vissim软件构建仿真模型进行模拟评价；

原创 交叉口信号配时计算详解

Vissim是德国PTV公司开发的微观交通流仿真软件，核心功能围绕交通场景模拟与系统分析展开。它能构建高速公路、环岛、停车场等复杂交通环境，通过Wiedemann驾驶行为模型模拟车辆跟驰、车道变换等行为，同时支持机动车、卡车、有轨交通及行人的交互仿真。在信号控制方面，可模拟定时控制、车辆感应控制及SCATS、SCOOT等系统，还能通过VAP自定义控制方法，满足多样化信号方案的设计与检验需求。此外，Vissim具备强大的方案评价与数据处理能力。

原创 交通工程 | 交通分析软件-vistro_to_vissim

一号交叉口。

原创 交通工程 | 交通分析软件-vistro_to_report

【代码】交通工程 | 交通分析软件-vistro_to_report。

原创 交通工程 | 交叉口分析软件vistro——`基本操作流程`

基本操作流程。

原创 交通工程 | 交叉口分析教程--Ring-Barrier 结构

是由美国电气制造商协会(National Electrical Manufacturers Association, NEMA)制定的交通信号控制行业标准,采用环(Ring)和栅(Barrier)将信号相位进行分隔。“环”是美国 NEMA 标准中独有的定义。“栅”,也有的翻译称作“隔断”、“屏障”,主要目的是, 保证主路和次路不会出现信号灯组同时绿灯的情况。

原创 vistro简介

VISTRO 是一个交通分析辅助软件，可以为用户在交通工程和交通规划领域的研究和评估提供帮助。使用 VISTRO，用户可以评估开发项日带来的影响，优化和设计信号配时方案，评估交叉口服务水平，自动生成各种报表等。在不同类型的交通分析项目中，这个软件工具非常有用，可以为用户节省大量的时间。

原创 交通仿真的基本术语及要素（上）

1、通过使用交通仿真程序或软件，以单个车辆、非机动车及行人等交通参与者为对象，可视化地复现其交通参与者在交通系统中的运行情况，并对该交通仿真系统运行情况进行评估的技术。2、模型校验一般包括仿真模型的校准和验证。校准是通过改变仿真模型的底层参数，使模型输出更加准确的接近现实情况:验证是指在确定的底层参数下,在新输入数据条件下可否同样准确描述现实场景。3、通过微观仿真系统输出的交通运行状态指标，对交通系统进行各角度的评估。包括数据采集路网建模交通运行建模交通环境建模模型校验模型运行仿真评价报告生成。

原创 地图工具介绍

作为全球领先的在线地图服务提供商，Google 地图（maps.google.com）为用户提供了丰富的功能和优越的体验。无论是路线规划、实时交通信息、街景浏览还是地点搜索，Google 地图都能满足用户的各种需求。

原创 城市道路交叉口流量流量图图绘制工具

交叉口流量流线图是交通工程领域常用的一种可视化表达方式，用于展现交叉口（如十字路口等）内部各方向交通流量的分布与流动路径。流量分布可视化：通过流线图，可清晰呈现交叉口各进口道与出口道之间的车流轨迹，辅助交通规划与工程人员掌握不同方向交通量的分布特征。拥堵点识别：借助流线的密集与交汇情况，能够快速识别交叉口内的交通瓶颈和拥堵区域，为后续采取针对性改善措施提供依据。交叉口设计优化：在新建或改建交叉口时，流量流线图可作为评估不同设计方案的有效工具，帮助实现通行能力与安全性能最优的交叉口布局。信号控制优化。

原创 2020年8月深圳市车辆轨迹数据集（trajectory data for Shenzhen in August 2020）

该数据是滴滴为ACM SIGSPATIAL GISCUP 2021大赛发布的链路级轨迹数据中的训练集。

原创 地图名片制作

我们在一些企业网站或移动网页中，都会发现有一个在线地图之类的按钮，点击之后就会出现该企业在百度地图中的位置，而且地图还能放大缩小，甚至还会显现相关的周边信息，比如公车地铁路线等，其实这个就是所谓的地图名片。

原创 轨迹数据集分享

近期有众多的读者私信交流，获取交通轨迹数据集,我在数年前学数据分析课程时，由于兴趣，恰好接触了数据分析的全流程，近两年来，由于公众号的定位，我时常对接触数据分析的一些流程，本文分享的一些数据。

原创 轨迹数据集分享

私信可获取任意一天的数据集。

原创 轨迹数据集分享

私信可获取任意一天的数据集。

原创 轨迹数据集分享

近期有众多读者私信交流，希望获取交通轨迹数据集。我在数年前学习数据分析课程时，由于兴趣恰好接触了数据分析的全流程。近两年来，由于公众号的定位，我时常接触数据分析的相关流程，本文分享一些资源。

原创 用Python绘制流程图

在设计程序时，会涉及到很多的流程图，这些流程图为编码阶段提供逻辑框架，在常规的软件开发流程当中，在需求沟通和系统设计阶段都会涉及到流程框架的设计，严谨详细的流程框架对于设计和编码阶段都会减少沟通成本，提高整体的系统设计效率，此篇图文借助python绘制简单的流程图。

原创 openpilot介绍

【代码】openpilot介绍。

原创 有没有在线工具可以将Graphviz生成的矢量图转换为不同分辨率位图？

通过以上工具，可灵活将Graphviz矢量图转换为适配屏幕、打印或印刷的高分辨率位图。：PNG/JPG → 调整DPI。

原创 如何将Graphviz生成的矢量图转换为不同分辨率的位图？

场景推荐工具优势单次转换/新手Inkscape图形界面，操作直观，支持透明背景和分辨率设置批量处理/自动化ImageMagick + 脚本命令行高效处理，可集成到工作流编程集成代码可控，支持复杂逻辑和格式转换临时需求在线工具无需安装，快速转换通过以上方法，可轻松将Graphviz矢量图转换为适配屏幕、打印或印刷的高分辨率位图，确保在任何场景下都能清晰展示。

原创 怎样让Graphviz生成的图片适配不同分辨率？

无需关心“分辨率”：无论目标设备的分辨率是72DPI（屏幕）、300DPI（打印）还是600DPI（高清印刷），矢量图都能自动适配；文件体积小：相同复杂度下，SVG/PDF的体积通常小于高分辨率位图；可编辑性强：可用AI（Adobe Illustrator）、Inkscape等工具修改细节（如调整颜色、节点位置），进一步适配特定场景。优先使用矢量图：导出SVG（通用场景）或PDF（打印场景），从根源上解决分辨率适配问题，这是最简单高效的方法；位图按需设置DPI。

原创 数据分析的基本流程

所有数据分析的起点都是「明确要解决什么问题」，若问题模糊，后续分析会沦为无意义的数据堆砌。这一步的核心是对齐业务目标，避免“为分析而分析”。数据分析不是线性步骤，而是“闭环迭代”的过程——例如在数据清洗时发现数据缺失，可能需要回溯到“数据采集”环节补充数据；在结果监控时发现效果不佳，可能需要重新“定义问题”或“优化模型”。核心始终是“以业务问题为导向，以数据为支撑，以落地价值为目标”。

原创 如何让Graphviz绘制的带有循环的复杂流程图更加美观？

用颜色、边框、背景将「模块（子图）→ 节点（操作/判断）→ 边（流程/循环）」分层，层次越清晰越美观；模块（子图）用主色调的浅背景，操作节点用主色调的中浅填充，判断节点用对比色（如橙色）统一区分；优化后：节点整齐统一，循环边沿外侧弯曲无交叉，模块用颜色分层，起点终点清晰，整体既专业又易读。：循环边沿节点外侧弯曲，不与其他边交叉，且颜色加粗后，循环路径一目了然，避免了“缠绕感”。（英文），节点文字12pt，边标签10pt，子图标签10pt，形成大小层级。

原创 用Graphviz绘制一个带有循环的复杂流程图

流程拆解：将复杂流程按功能拆分为多个模块（如数据处理、核心逻辑、输出），每个模块内梳理循环与分支；节点设计：区分「操作节点」（矩形，）和「判断节点」（菱形，），判断节点是循环的核心；循环实现：通过「判断节点→前置操作节点」的边构建循环，边必须添加标签说明循环条件；模块化组织：用cluster_前缀的子图包裹模块，设置不同背景色和边框，提升可读性；样式优化：统一字体解决中文乱码，通过颜色、边框、背景色分层增强视觉区分度；连接与导出。

原创 python绘制流程图

场景：绘制「算法流程图」（如二分查找），需输出 SVG 矢量图（可无限放大不失真，适合插入论文/PPT），并自定义节点形状、字体、箭头样式，提升专业度。基础巩固：复现本文 6 个案例，重点掌握 Graphviz 的子图、样式自定义、矢量图导出；场景拓展：尝试绘制「数据库事务流程」「机器学习模型训练流程」，用子图划分「数据预处理」「模型训练」「评估部署」模块；工具融合：将流程图与数据可视化结合（如用 Matplotlib 绘制流程+结果图表，或用 Streamlit 搭建交互式流程图网页）；自动化生成。

原创 对于人际关系成熟度的看法

原创 交通轨迹数据集分享

交通轨迹数据集，包括出租车、公共交通、重货、高速公路等丰富的数据集

原创 HTML（超文本标记语言）和JavaScript的区别

一个完整的登录页面通常由HTML构建表单结构，CSS美化样式，JavaScript实现密码强度验证、提交按钮状态切换、登录请求发送等功能。三者协同工作，缺一不可。HTML（超文本标记语言）和JavaScript是构建现代网页的两大核心技术，但它们的功能和定位截然不同。

原创 HTML与CSS的区别

一个现代化网站通常由HTML构建骨架，CSS实现响应式布局（如手机端适配），再结合JavaScript添加交互逻辑。三者缺一不可，但功能泾渭分明。HTML（超文本标记语言）和CSS（层叠样式表）是构建网页的两大核心技术，它们的功能和定位截然不同。

原创 java与python的区别

维度JavaPython类型系统静态类型动态类型执行方式编译后由JVM执行解释执行性能高较低（适合原型）语法严谨、冗长简洁、灵活场景企业级、Android、大数据数据科学、AI、Web开发学习难度较高较低选择建议若追求性能、稳定性或企业级应用，选Java。若注重开发效率、数据处理或AI，选Python。

原创 python与c#的区别

Python与C#是两种特性迥异的编程语言，分别在不同的应用场景中展现优势。