[Python]专题P01─台湾春节国道预估塞车时间准不准?

Hi! 大家好久不见，我是Eric。真的是时隔多日，我们的网站终於又更新啦!这次要练习运用Python中的matplotlib套件来做一个小专题，继续来看下去

[缘起] ：每逢春节过年，高速公路局都会提前公布国道预估塞车的时段给大家参考，那到底准不准呢?这次，我们就要来用Python来检验看看。这次要看的是最近3年(2019-2021)的初一。

2019年初一预估塞车时段最久的是南下竹北-新竹(07:30-13:30)，如下图：

2020年(X) Covid19年(O) 初一预估塞车时段最久的是南下南港系统-石碇(06:00-16:30)，如下图：

资料来源：交通部高速公路局

2021年初一预估塞车时段最久的是一样是南下南港系统-石碇(05:30-15:30)，如下图：

资料来源：大年初一下午再出门 记得避开国道六大地雷路段(2020-01-24 15:38:12联合报 记者侯俐安／台北即时报导)

[方法] ：运用[Python]的[pandas、matplotlib]套件。
[使用资料] ：交通部高速公路局交通资料库ETC(Electronic Toll Collection )资料─各类车种通行量统计(TDCS_M03A)，2019-2021年。
[参考资料] ：
1.资料科学家的pandas实战手册：掌握40个实用数据技巧https://leemeng.tw/practical-pandas-tutorial-for-aspiring-data-scientists.html

2.[Python资料科学]用Pandas分析资料— 资料的聚合
https://medium.com/seaniap/%E7%94%A8pandas%E5%88%86%E6%9E%90%E8%B3%87%E6%96%99-%E8%B3%87%E6%96%99%E7%9A%84%E8%81%9A%E5%90%88-e08f1b1504ed

以下程序范例为以2019年为例，其余2年只差在年份与目标路段喔，大致上流程都一样。
1. 载入资料

import pandas as pd     #载入pandas资料处理套件

from glob import glob   #载入glob回传资料路径套件
files = glob("C:/Users/Eric/Desktop/Python/M03A_20190205/TDCS_M03A_20190205_*.csv") #以glob函数来取得资料夹中所有开头为TDCS_M03A_20190205_的资料

df = pd.concat([pd.read_csv(f,header=None) for f in files],ignore_index=True)  #以concat函数，并配合列表推导，将同一个资料夹内所有档案一次载入，同时设定以资料没有栏位名称的方式
df.head()   #先偷看一下资料长相，如图1

图1

2. 资料前置处理

df.columns = ["datetime", "OD", "NS", "vehicletype", "flow"]  #命名栏位名称

df_05 = df[df["OD"] == "01F0928S"] #将目标路段(国五南向竹北-新竹)筛选出来，并储存於另一个资料框
df_05.head()  #再偷看一下资料长相，如图2

df_31 = df_05[df_05["vehicletype"] == 31] #将目标车种(小客车)筛选出来
df_31.head()   #再...看一次就好，如图3

图2

图3

3. 产生x轴时间区间(由於原资料每5分钟时间间隔区分太细，不利於视觉化呈现，以每30分钟间隔分组取代，并把每个分组的车流量加总起来，如01:35-02:00这6笔资料，都分为20:00这组)

#原资料间隔是每5分钟，为了简化资料，改以30分钟为间隔，故需要合并资料，前面的7笔(00:00-00:30)与後面的5笔(23:35-23:55)除外，中间资料均为每6个一组，如00:50-00:30组成一组，组名叫0030

num1 = [i for i in range(100,2400,100)]  #产生100、200...2300的整点时间
num2 = [i for i in range(130,2430,100)]  #产生130、230...2330的半点时间
temp = []

import math #载入要四舍五入函数的套件

#首先处理中间时间(除了前面7笔与後面5笔之外的资料)，总共有46个时间，先依据是否可被2整除来依序放到列表中，藉此串起来，产生100、130、200、230...2330的资料
for i in range(0,46):
    if i % 2 == 0:
        temp.append(num1[i//2])
    else:
        temp.append(math.ceil(num2[i//2]))

temp2 = [i for i in temp for j in range(6)] #让中间时间每个都重复6次
num3 = [30]
temp3 = [i for i in num3 for j in range(7)] #让前面的时间重复7次
num4 = [2400]
temp4 = [i for i in num4 for j in range(5)] #让後面的时间重复5次

time = temp3 + temp2 + temp4  #把所有时间串在一起
len(time)  #检查时间总数是否相同，前面有7笔，中间46笔重复6次，後面有5笔，所以总计有288个

df_31_addtime = df_31  #复制原始资料，以备後续要加入新时间栏位
df_31_addtime["time"] = time   #将以30分钟为间隔的新时间加入原表格，并命名为time栏位


df_31_addtime_group = df_31_addtime.groupby("time")  #依据"time"这个栏位将原资料群组化
df_31_addtime_group_sum = df_31_addtime_group.sum()  #依据各群组计算各栏位总和数值，并另外存在新变数中，如图4

#因之前群组化时是依据新时间分组，故原本新时间分组已经被用掉了，故要再新增一次作为之後画图的x轴
temp5 = num3 + temp + num4
df_31_addtime_group_end = df_31_addtime_group_sum
df_31_addtime_group_end["time"] = temp5

图4

5. 资料视觉化

import matplotlib.pyplot as plt  #载入画图套件

plt.style.use("ggplot")    #设定要运用叫做ggplot的主题


#画第一条线，plt.plot(x, y, c)参数分别为x轴资料、y轴资料及折线的颜色 = 蓝色
plt.plot(df_31_addtime_group_end["time"], df_31_addtime_group_end["flow"],c = "blue")

#设定y轴坐标轴范围，调整图的呈现
plt.ylim(400, 2500)  

# 设定图例，参数为标签、位置
plt.legend(labels=["2019"], loc = 2)

plt.xlabel("Time", fontweight = "bold", )    # 设定x轴标题及粗体
plt.ylabel("Flow", fontweight = "bold")      # 设定y轴标题及粗体

# 设定图的标题、文字大小、粗体及位置
plt.title("TWN Highway traffic flow", fontsize = 15, fontweight = "bold")   

plt.savefig("2019 TWN Highway traffic flow.jpg",   # 储存图档
            bbox_inches='tight',                   # 去除座标轴占用的空间
            pad_inches=0.0)                        # 去除所有白边
plt.close()      # 关闭图表

6. 大功告成
2019年：

简评：可以看出大抵预估相符，但实际塞车时间较长，约从6点开始一路塞到16点左右。

2020年：

简评：2020年的预估与实际也大致相符，但约6点-11点左右车流明显变少。

2021年：

简评：2021年的实际车流时序与2020年几乎相同，均依循着相同的模式。

7. 结论
透过开放资料，我们可以运用Python来自己做一些简单分析，经由最近3年时间，我们可以发现塞车时间通常会较预估的时间区间来得长，所以如果明年也想作为春节出游的参考的话，也可以自己运用Python来当作自己的小助手喔。