rename : dir -> dire (four or eight directions is reperesented by the variable name 'dire' rather than 'dir')

.vscode/launch.json

@@ -0,0 +1,16 @@
+{
+    // Use IntelliSense to learn about possible attributes.
+    // Hover to view descriptions of existing attributes.
+    // For more information, visit: https://go.microsoft.com/fwlink/?linkid=830387
+    "version": "0.2.0",
+    "configurations": [
+        {
+            "name": "Python Debugger: Current File with Arguments",
+            "type": "debugpy",
+            "request": "launch",
+            "program": "${file}",
+            "console": "integratedTerminal",
+            "args": "${command:pickArgs}"
+        }
+    ]
+}

Data/tables/nema.csv

@@ -1,4 +1,4 @@
-move_no,inc_dir,out_dir
+move_no,inc_dire,out_dire
 1,동,남
 2,서,동
 3,남,서

Scripts/preprocess_daily.py

@@ -254,7 +254,7 @@ class DailyPreprocessor():
         '''
         match2의 각 이동류번호에 진입방향, 진출방향을 매칭시킨 테이블
 
-        컬럼명 : inter_no, phase_no, ring_type, move_no, inc_dir, out_dir
+        컬럼명 : inter_no, phase_no, ring_type, move_no, inc_dire, out_dire
         '''
         # nema 정보 불러오기 및 병합
         self.match3 = pd.merge(self.match2, self.nema, how='left', on='move_no').drop_duplicates()
@@ -264,7 +264,7 @@ class DailyPreprocessor():
         '''
         match3의 각 이동류번호에 진입, 진출 방위각을 매칭시킨 테이블
 
-        컬럼명 : inter_no, phase_no, ring_type, move_no, inc_dir, out_dir, inc_angle, out_angle
+        컬럼명 : inter_no, phase_no, ring_type, move_no, inc_dire, out_dire, inc_angle, out_angle
         '''
 
         # # 계층화
@@ -312,29 +312,10 @@ class DailyPreprocessor():
     # 2-1-5
     def make_match5(self):
         '''
-        진입엣지id, 진출엣지id, 노드id를 추가함 (주교차로).
-        - match4의 컬럼 : inter_no, phase_no, ring_type, move_no, inc_dir, out_dir, inc_angle, out_angle
-        - match5의 컬럼 : inter_no, phase_no, ring_type, move_no, inc_dir, out_dir, inc_angle, out_angle, inc_edge, out_edge, node_id
-
-        사용된 데이터 : 
-        (1) net
-        - 성남시 정자동 부근의 샘플 네트워크
-        (2) inter_node
-        - 교차로번호와 노드id를 매칭시키는 테이블.
-        - parent/child 정보도 포함되어 있음
-        - 컬럼 : inter_no, node_id, inter_type
-        (3) inter_info
-        - 교차로 정보. 여기에서는 위도와 경도가 쓰임.
-        - 컬럼 : inter_no, inter_name, inter_lat, inter_lon, group_no, main_phase_no
-
-        진입엣지id, 진출엣지id를 얻는 과정 :
-        - match5 = match4.copy()의 각 열을 순회하면서 아래 과정을 반복함.
-        * 진입에 대해서만 서술하겠지만 진출도 마찬가지로 설명될 수 있음
-        - 해당 행의 교차로정보로부터 노드ID를 얻어내고, 해당 노드에 대한 모든 진출엣지id를 inc_edges에 저장.
-        * inc_edge(진입엣지) : incoming edge, out_edge(진출엣지) : outgoing_edge
-        - inc_edges의 모든 진입엣지에 대하여 진입방향(inc_dires, 2차원 단위벡터)을 얻어냄.
-        - 해당 행의 진입각으로부터 그에 대응되는 진입각방향(단위벡터)를 얻어냄.
-        - 주어진 진입각방향에 대하여 내적이 가장 작은 진입방향에 대한 진입엣지를 inc_edge_id로 지정함.
+        match4의 각 행에 진입엣지id, 진출엣지id 노드id 추가한 테이블
+        * 진입, 진출엣지id를 얻은 방법 : cosine similarity
+
+        컬럼명 : inter_no, phase_no, ring_type, move_no, inc_dire, out_dire, inc_angle, out_angle, inc_edge, out_edge, node_id
         '''
 
         # parent node만 가져옴.
@@ -392,53 +373,9 @@ class DailyPreprocessor():
     # 2-1-6
     def make_match6(self):
         '''
-        진입엣지id, 진출엣지id, 노드id를 추가함 (부교차로).
-        - match6의 컬럼 : inter_no, phase_no, ring_type, move_no, inc_dir, out_dir, inc_angle, out_angle, inc_edge, out_edge, node_id
-
-        사용된 데이터 : 
-        (1) inter_node
-        - 교차로번호와 노드id를 매칭시키는 테이블.
-        - parent/child 정보도 포함되어 있음
-        - 컬럼 : inter_no, node_id, inter_type
-        (2) uturn (유턴정보)
-        - 컬럼 : parent_id, child_id, direction, condition, inc_edge, out_edge
-        - parent_id, child_id : 주교차로id, 유턴교차로id
-        - direction : 주교차로에 대한 유턴노드의 상대적인 위치(방향)
-        - condition : 좌회전시, 직진시, 직좌시, 보행신호시 중 하나
-        - inc_edge, out_edge : 유턴에 대한 진입진출엣지
-        (3) coord (연동교차로정보)
-        - 컬럼 : parent_id, child_id, phase_no, ring_type, inc_edge, out_edge
-        - parent_id, child_id : 주교차로id, 연동교차로id
-        - 나머지 컬럼 : 각 (현시, 링)별 진입진출엣지
-
-        설명 :
-        - match5는 주교차로에 대해서만 진입엣지id, 진출엣지id, 노드id를 추가했었음.
-        여기에서 uturn, coord를 사용해서 부교차로들(유턴교차로, 연동교차로)에 대해서도 해당 값들을 부여함.
-        유턴교차로 :
-        - directions를 정북기준 시계방향의 8방위로 정함.
-            - 이를 통해 진입방향이 주어진 경우에 좌회전, 직진, 보행 등에 대한 (진입방향, 진출방향)을 얻어낼 수 있음.
-            - 예) 진입방향(direction)이 '북'일 때, 
-            - 직진 : (북, 남)
-                * 남 : directions[(ind + 4) % len(directions)]
-            - 좌회전 : (북, 동)
-                * 동 : directions[(ind + 2) % len(directions)]
-            - 보행 : (서, 동)
-                * 서 : directions[(ind - 2) % len(directions)]
-        - uturn의 각 행을 순회하면서 아래 과정을 반복함
-            - match5에서 parent_id에 해당하는 행들을 가져옴(cmatch).
-            - condition 별로 진입방향, 진출방향을 정함.
-                - 상술한 directions를 활용하여 정함.
-            - (진입방향, 진출방향)을 고려하여 (현시, 링) 별로 진입엣지id, 진출엣지id를 정함.
-                - ex) cmatch.loc[(cmatch.inc_dir==inc_dire) & (cmatch.out_dir==out_dire), ['inc_edge', 'out_edge']] = [inc_edge_id, out_edge_id]
-        - 순회하면서 만든 cmatch를 cmatchs라는 리스트에 저장함.
-
-        연동교차로 :
-        - 연동교차로의 경우 coord에 (현시, 링)별 진입엣지ID, 진출엣지ID가 명시되어 있음.
-        - 'inc_dir', 'out_dir', 'inc_angle','out_angle'와 같은 열들은 np.nan을 지정해놓음.
-        - 이 열들은, 사실상 다음 스텝부터는 사용되지 않는 열들이기 때문에 np.nan으로 지정해놓아도 문제없음.
-
-        match6 :
-        - 이렇게 얻은 match5, cmatchs, coord를 모두 pd.concat하여 match6을 얻어냄.
+        match5에서 부교차로(유턴교차로, 연동교차로)에 대한 행들을 추가함
+        
+        컬럼명 : inter_no, phase_no, ring_type, move_no, inc_dire, out_dire, inc_angle, out_angle, inc_edge, out_edge, node_id
         '''
 
         self.node2inter = dict(zip(self.inter_node['node_id'], self.inter_node['inter_no']))
@@ -489,8 +426,8 @@ class DailyPreprocessor():
             out_dire_right = self.directions[(ind + 2) % len(self.directions)]
 
             # 보행신호시/좌회전시 조건
-            pedes_exists = (cmatch.inc_dir==inc_dire_pedes) & (cmatch.out_dir==out_dire_pedes)
-            right_exists = (cmatch.inc_dir==inc_dire_right) & (cmatch.out_dir==out_dire_right)
+            pedes_exists = (cmatch.inc_dire==inc_dire_pedes) & (cmatch.out_dire==out_dire_pedes)
+            right_exists = (cmatch.inc_dire==inc_dire_right) & (cmatch.out_dire==out_dire_right)
 
             # 보행신호시/좌회전시 진입/진출 엣지id 배정
             ind = self.directions.index(direction)
@@ -515,18 +452,18 @@ class DailyPreprocessor():
                     cmatch.loc[pedes_exists, ['inc_edge', 'out_edge']] = [inc_edge_id, out_edge_id]
                 # 보행신호이동류(17) 발생시
                 elif crosswalk_on.any():
-                    cmatch.loc[crosswalk_on & (cmatch.out_dir!=direction), ['inc_edge', 'out_edge']] = [inc_edge_id, out_edge_id]
+                    cmatch.loc[crosswalk_on & (cmatch.out_dire!=direction), ['inc_edge', 'out_edge']] = [inc_edge_id, out_edge_id]
                 # 신호없음이동류(18) 발생시
                 elif all_redsigns.any():
-                    cmatch.loc[all_redsigns & (cmatch.out_dir!=direction), ['inc_edge', 'out_edge']] = [inc_edge_id, out_edge_id]
+                    cmatch.loc[all_redsigns & (cmatch.out_dire!=direction), ['inc_edge', 'out_edge']] = [inc_edge_id, out_edge_id]
             cmatches.append(cmatch)
 
         # 각 연등교차로(coordination node)에 대하여 (inc_edge_id, out_edge_id) 부여
         self.coord['inter_no'] = self.coord['parent_id'].map(self.node2inter)
         self.coord = self.coord.rename(columns={'child_id':'node_id'})
-        self.coord[['inc_dir', 'out_dir', 'inc_angle','out_angle']] = np.nan
+        self.coord[['inc_dire', 'out_dire', 'inc_angle','out_angle']] = np.nan
         self.coord['move_no'] = 20
-        self.coord = self.coord[['inter_no', 'phase_no', 'ring_type', 'move_no', 'inc_dir', 'out_dir', 'inc_angle','out_angle', 'inc_edge_id', 'out_edge_id', 'node_id']]
+        self.coord = self.coord[['inter_no', 'phase_no', 'ring_type', 'move_no', 'inc_dire', 'out_dire', 'inc_angle','out_angle', 'inc_edge_id', 'out_edge_id', 'node_id']]
 
         # display(coord)
         cmatches = pd.concat(cmatches)
@@ -537,50 +474,38 @@ class DailyPreprocessor():
     # 2-1-7
     def make_matching(self):
         '''
-        이동류 매칭 : 각 교차로에 대하여, 가능한 모든 이동류 (1~18, 21)에 대한 진입·진출엣지ID를 지정한다.
-        모든 이동류에 대해 지정하므로, 시차제시 이전과 다른 이동류가 등장하더라도 항상 진입·진출 엣지 ID를 지정할 수 있다.    
-        - matching의 컬럼 : inter_no, move_no, inc_dir, out_dir, inc_edge, out_edge, node_id
-        
-        설명 : 
-        - 필요한 리스트, 딕셔너리 등을 정의
-            (1) 가능한 (진입방향, 진출방향) 목록 [리스트]
-            (2) 각 교차로별 방향 목록 : pdires (possible directions) [딕셔너리]
-            (3) 각 (교차로, 진입방향) 별 진입id 목록 : inc2id (incoming direction to incoming edge_id) [딕셔너리]
-            (4) 각 (교차로, 진출방향) 별 진출id 목록 : out2id (outgoing direction to outgoing edge_id) [딕셔너리]
-            (5) 각 교차로별 가능한 (진입방향, 진출방향) 목록 : pflow (possible flows) [딕셔너리]
-        - matching은 빈 리스트로 지정.
-        - 모든 노드id에 대하여 다음 과정을 반복
-        - 해당 노드id에 대한 모든 가능한 (진입방향, 진출방향)에 대하여 다음 과정을 반복
-        - (노드id, 진입방향)으로부터 진입엣지id를 얻어냄. 마찬가지로 진출엣지id도 얻어냄
-        - 얻어낸 정보를 바탕으로 한 행(new_row)을 만들고 이것을 matching에 append
+        각 교차로에 대하여, 가능한 모든 이동류 (1~18, 21)에 대한 진입·진출엣지ID를 지정한 테이블
+        * 시차제
+
+        컬럼명 : inter_no, move_no, inc_dire, out_dire, inc_edge, out_edge, node_id
         '''
 
         self.match7 = self.match6.copy()
-        self.match7 = self.match7[['inter_no', 'move_no', 'inc_dir', 'out_dir', 'inc_edge', 'out_edge', 'node_id']]
+        self.match7 = self.match7[['inter_no', 'move_no', 'inc_dire', 'out_dire', 'inc_edge', 'out_edge', 'node_id']]
 
         # parent_ids = sorted(self.inter_node[self.inter_node.inter_type=='parent'].node_id.unique())
         # child_ids = sorted(self.inter_node[self.inter_node.inter_type=='child'].node_id.unique())
 
         # (1) 가능한 (진입방향, 진출방향) 목록 
-        flows = self.nema.dropna().apply(lambda row: (row['inc_dir'], row['out_dir']), axis=1).tolist()
+        flows = self.nema.dropna().apply(lambda row: (row['inc_dire'], row['out_dire']), axis=1).tolist()
         # (2) 각 교차로별 방향 목록 : pdires (possible directions)
         pdires = {}
         for node_id in self.parent_ids:
-            dires = self.match7[self.match7.node_id == node_id][['inc_dir','out_dir']].values.flatten()
+            dires = self.match7[self.match7.node_id == node_id][['inc_dire','out_dire']].values.flatten()
             dires = {dire for dire in dires if type(dire)==str}
             pdires[node_id] = dires
         # (3) 각 (교차로, 진입방향) 별 진입id 목록 : inc2id (incoming direction to incoming edge_id)
         inc2id = {}
         for node_id in self.parent_ids:
-            for inc_dir in pdires[node_id]:
-                df = self.match7[(self.match7.node_id==node_id) & (self.match7.inc_dir==inc_dir)]
-                inc2id[(node_id, inc_dir)] = df.inc_edge.iloc[0]
+            for inc_dire in pdires[node_id]:
+                df = self.match7[(self.match7.node_id==node_id) & (self.match7.inc_dire==inc_dire)]
+                inc2id[(node_id, inc_dire)] = df.inc_edge.iloc[0]
         # (4) 각 (교차로, 진출방향) 별 진출id 목록 : out2id (outgoing direction to outgoing edge_id)
         out2id = {}
         for node_id in self.parent_ids:
-            for out_dir in pdires[node_id]:
-                df = self.match7[(self.match7.node_id==node_id) & (self.match7.out_dir==out_dir)]
-                out2id[(node_id, out_dir)] = df.out_edge.iloc[0]
+            for out_dire in pdires[node_id]:
+                df = self.match7[(self.match7.node_id==node_id) & (self.match7.out_dire==out_dire)]
+                out2id[(node_id, out_dire)] = df.out_edge.iloc[0]
         # (5) 각 교차로별 가능한 (진입방향, 진출방향) 목록 : pflow (possible flows)
         pflow = {}
         for node_id in self.parent_ids:
@@ -592,28 +517,28 @@ class DailyPreprocessor():
         for node_id in self.parent_ids:
             inter_no = self.node2inter[node_id]
             # 좌회전과 직진(1 ~ 16)
-            for (inc_dir, out_dir) in pflow[node_id]:
-                move_no = self.nema[(self.nema.inc_dir==inc_dir) & (self.nema.out_dir==out_dir)].move_no.iloc[0]
-                inc_edge = inc2id[(node_id, inc_dir)]
-                out_edge = out2id[(node_id, out_dir)]
+            for (inc_dire, out_dire) in pflow[node_id]:
+                move_no = self.nema[(self.nema.inc_dire==inc_dire) & (self.nema.out_dire==out_dire)].move_no.iloc[0]
+                inc_edge = inc2id[(node_id, inc_dire)]
+                out_edge = out2id[(node_id, out_dire)]
                 new_row = pd.DataFrame({'inter_no':[inter_no], 'move_no':[move_no],
-                                        'inc_dir':[inc_dir], 'out_dir':[out_dir],
+                                        'inc_dire':[inc_dire], 'out_dire':[out_dire],
                                         'inc_edge':[inc_edge], 'out_edge':[out_edge], 'node_id':[node_id]})
                 self.matching.append(new_row)
             # 보행신호(17), 전적색(18)
             new_row = pd.DataFrame({'inter_no':[inter_no] * 2, 'move_no':[17, 18],
-                                    'inc_dir':[None]*2, 'out_dir':[None]*2,
+                                    'inc_dire':[None]*2, 'out_dire':[None]*2,
                                     'inc_edge':[None]*2, 'out_edge':[None]*2, 'node_id':[node_id]*2})
             self.matching.append(new_row)
             # 신호우회전(21)
             for d in range(len(dires_right)-1):
-                inc_dir = dires_right[d]
-                out_dir = dires_right[d+1]
-                if {inc_dir, out_dir}.issubset(pdires[node_id]):
-                    inc_edge = inc2id[(node_id, inc_dir)]
-                    out_edge = out2id[(node_id, out_dir)]
+                inc_dire = dires_right[d]
+                out_dire = dires_right[d+1]
+                if {inc_dire, out_dire}.issubset(pdires[node_id]):
+                    inc_edge = inc2id[(node_id, inc_dire)]
+                    out_edge = out2id[(node_id, out_dire)]
                     new_row = pd.DataFrame({'inter_no':[inter_no], 'move_no':[21],
-                                            'inc_dir':[inc_dir], 'out_dir':[out_dir],
+                                            'inc_dire':[inc_dire], 'out_dire':[out_dire],
                                             'inc_edge':[inc_edge], 'out_edge':[out_edge], 'node_id':[node_id]})
                     self.matching.append(new_row)
         self.matching.append(self.match7[self.match7.node_id.isin(self.child_ids)])