NGSIM数据集Python处理（跟驰车队筛选）

NGSIM数据集具有高精度、覆盖广等特征，大量论文使用NGSIM数据集来研究车辆的跟驰行为，如验证跟驰模型，跟驰模型参数标定等，本文使用Python代码实现对跟驰车队的筛选，未进行数据平滑处理。通过代码自定义车头间距、车头时距、跟驰时间阈值，通过不同的前车对同一ID车辆数据进行切分，解决了原始数据中同一ID被多个车辆复用而导致的数据异常问题，话不多说，直接上代码：

import pandas as pd
import numpy as np
filepath = input('输入原始文件路径：')
filepath_1 = input('输入目标文件保存文件夹：')
answer = int(input('输入跟驰车队最大间距（单位：英尺）：'))
answer_1 = int(input('输入跟驰车队最大车头时距（单位：s）：'))
time = int(input('输入跟驰最小持续时间（单位：s）：'))
origin_data = pd.read_csv(filepath)
data = origin_data[origin_data.Preceding != 0]
for ID in set(list(data['Vehicle_ID'])):
    data_c = data[data.Vehicle_ID == ID]
    for P_ID in set(list(data_c['Preceding'])):
        data_c_0 = data_c[data_c.Preceding == P_ID]
        data_c_1 = data_c_0[data_c_0.Space_Headway < answer]
        data_c_2 = data_c_1[data_c_1.Time_Headway < answer_1]
        if data_c_2.shape[0] > time*10:
            lst_Frame_ID = sorted(list(data_c_2['Frame_ID']))
            lst_Frame_ID_diff = np.diff(lst_Frame_ID)
            if