NGSIM数据集Python处理（跟驰车辆前后车数据提取）

原创

已于 2023-01-08 17:30:26 修改 · 5.4k 阅读

24 ·

CC 4.0 BY-SA版权

文章标签：

#python #数据挖掘

于 2022-05-11 11:15:18 首次发布

本文介绍了如何使用Python的numpy和pandas库处理NGSIM数据集，提取车辆跟驰状态下的前后车速度、加速度和坐标信息。通过对原始数据筛选，去除无前车和后车的数据，然后通过遍历获取每个时刻对应车辆的详细信息，并填充到预定义的数据框中。最终，将提取到的数据存储为新的数据列，包括前车和后车的速度、加速度和坐标。

本文使用Python代码实现对NGSIM数据集中跟驰车辆前后车数据的获取。主要使用numpy和pandas两个库。在筛选时，去掉了无前车和后车的数据，即前车或后车ID为0。本文提供代码大体框架介绍。

构建初始数据列

构建空白列，用于保存数据。

data['v_Preceding'] = np.nan
data['a_Preceding']=np.nan
data['x_Preceding']=np.nan
data['y_Preceding']=np.nan
data['v_Following']=np.nan
data['a_Following']=np.nan
data['x_Following']=np.nan
data['y_Following']=np.nan

获取主车、前车、后车完整数据

该部分主要实现从原始数据中获取主车ID、速度、加速度、坐标信息，以及前后车ID数据。使用Global_Time和循环获取时间相同的片段索引，并获取该时刻对应的主车、前车和后车ID。

for item in set_Global_Time:
    id = [i for i, x in enumerate(Global_Time) if x == item]        #获取每一时刻在原始数据中对应的索引
    '''获取该时刻对应的主车、前车、后车ID'''
    new_ID = Vehicle_ID[id[0]:id[-1] + 1]
    new_P_ID = Preceding[id[0]:id[-1] + 1]
    new_F_ID=Following[id[0]:id[-1] + 1]