数据集笔记：Pems 自行下载数据+python处理

以下载District 4的各station每5分钟的车速为例

1 PEMS网站下载数据

点击红色的

选择需要的station和区域，点击search，就是对应的数据，点击数据即可下载（这个是station每5分钟的速度数据）

2 pems 速度数据

2.1 每一列的意义

|------------------|------------------------------------------------------------------------------------------------------------|
| Timestamp | 间隔开始的日期和时间。例如，08:00:00的时间表明聚合包含在08:00:00到08:04:59之间收集的测量数据。请注意，五分钟聚合的秒值总是0。格式为MM/DD/YYYY HH24:MI:SS。 |
| Station | 独特的车站标识符。 |
| District | 区号 |
| Freeway | 高速公路号 |
| Direction | 行驶方向东南西北 ESWN |
| 车道类型 | 表示车道类型的字符串。可能的值（及其含义）为： * CD（收集/分配） * CH（传统公路） * FF（高速公路-高速公路连接） * FR（下匝道） * HV（高占用车道） * ML（主线） * OR（上匝道） |
| Station Length | 车站覆盖的路段长度，单位为英里/公里。 |
| Samples | 所有车道接收的样本总数 |
| % Observed | 在这个位置有observation的车道的百分比 |
| Total Flow | 所有车道5分钟内流量总和。 |
| Avg Occupancy | 5分钟内所有车道的平均占用率，以0到1之间的小数表示 |
| Avg Speed | 所有车道5分钟内的流量加权平均速度。如果流量为0，则为5分钟车速的数学平均值 |
| Lane N Samples | 车道N收到的良好样本数。 |
| Lane N Flow | 5分钟内车道N的总流量。 |
| Lane N Avg Occ | 5分钟内车道N的平均占有率 |
| Lane N Avg Speed | 5分钟内车道N的平均速度 |
| Lane N Observed | 车道N是否有观测值（1代表有，0代表没有） |

2.2 python 读取PEMS

python 复制代码

import numpy as np
import pandas as pd


#设置header
new_headers = ['Timestamp', 'Station', 'District', 'Freeway', 'Direction',
               'Lane Type', 'Station Length', 'Samples', '%Observed',
               'Total Flow', 'Avg Occupancy', 'Avg Speed']
for i in range(1, (pems04.shape[1]-12)//5+1):
    new_headers.extend([
        f'Lane {i} Samples', f'Lane {i} Flow', f'Lane {i} Avg Occ',
        f'Lane {i} Avg Speed', f'Lane {i} Observed'
    ])


pems04=pd.read_csv('d04_text_station_5min_2023_01_02.txt',names=new_headers)
pems04

3 pems station 元数据

3.1 每一列的意义

|--------------------|---------------------------------------------------------------------------------------------------|
| ID | station 的标识 |
| Freeway | 高速公路编号 |
| Freeway Direction | 表示高速公路方向的字符串 |
| County Identifier | 县id |
| City | 城市 |
| State Postmile | 州公里标 |
| Absolute Postmile | 绝对公里标 |
| Latitude，Longitude | 经纬度 |
| Length | 长度 |
| Type | 类型可能的值（及其含义）为： * CD（收集/分配） * CH（传统公路） * FF（高速公路-高速公路连接） * FR（下匝道） * HV（高占用车道） * ML（主线） * OR（上匝道） |
| Lanes | 车道数 |
| Name | 名字 |
| User IDs | 用户输入的字符串标识符 |

3.2 python读取

python 复制代码

import numpy as np
import pandas as pd

pems04=pd.read_csv('d04_text_meta_2022_12_13.txt',delimiter='\t')
pems04