{ "cells": [ { "cell_type": "code", "execution_count": 1, "metadata": {}, "outputs": [], "source": [ "import pandas as pd\n", "import numpy as np\n", "from datetime import datetime\n", "import os\n", "import random\n", "from tqdm import tqdm" ] }, { "cell_type": "code", "execution_count": 2, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
inter_nointer_nameinter_latinter_longroup_no
0175한솔삼거리(한솔마을3거리)37.36857127.114783
1176느티마을4단지37.36724127.114803
2177한솔6단지(정자동사무소)37.36619127.114803
3178신기4거리37.36346127.114803
4201느티마을4거리37.36854127.109843
5202느티마을 안촌유치원37.36855127.112413
6206상록마을 321동37.36483127.109813
7210상록4거리(상록마을입구4거리)37.36347127.109823
8211상록마을단일로37.36346127.112373
\n", "
" ], "text/plain": [ " inter_no inter_name inter_lat inter_lon group_no\n", "0 175 한솔삼거리(한솔마을3거리) 37.36857 127.11478 3\n", "1 176 느티마을4단지 37.36724 127.11480 3\n", "2 177 한솔6단지(정자동사무소) 37.36619 127.11480 3\n", "3 178 신기4거리 37.36346 127.11480 3\n", "4 201 느티마을4거리 37.36854 127.10984 3\n", "5 202 느티마을 안촌유치원 37.36855 127.11241 3\n", "6 206 상록마을 321동 37.36483 127.10981 3\n", "7 210 상록4거리(상록마을입구4거리) 37.36347 127.10982 3\n", "8 211 상록마을단일로 37.36346 127.11237 3" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "# 교차로정보\n", "inter_info = pd.read_csv(\"inter_info.csv\")\n", "inter_info['group_no'] = 3\n", "display(inter_info)\n", "inter_info.to_csv('../inter_info.csv')" ] }, { "cell_type": "code", "execution_count": 3, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
inter_nomain_phasemg1Amg1Bmg2Amg2Bmg3Amg3Bmg4Amg4Bmg5Amg5Bmg6Amg6Bmg7Amg7Bmg8Amg8Br1Ar1Br2Ar2Br3Ar3Br4Ar4Br5Ar5Br6Ar6Br7Ar7Br8Ar8By1Ay1By2Ay2By3Ay3By4Ay4By5Ay5By6Ay6By7Ay7By8Ay8B
0175224273312153915190000000011111111000000004444444400000000
1176221313330160000000000011111000000000004444400000000000
21772351836360038130000000011111011000000004444004400000000
3178218193526362917370000000011111111000000004444444400000000
420122520213231283117272700000011111111110000004444444444000000
5202212300000000000000011100000000000004400000000000000
620623629003131000000000011101110000000004400440000000000
721021901213213712220000000010111111000000004044444400000000
8211232350000000000000011100000000000004400000000000000
\n", "
" ], "text/plain": [ " inter_no main_phase mg1A mg1B mg2A mg2B mg3A mg3B mg4A mg4B mg5A \\\n", "0 175 2 24 27 33 12 15 39 15 19 0 \n", "1 176 2 21 31 33 30 16 0 0 0 0 \n", "2 177 2 35 18 36 36 0 0 38 13 0 \n", "3 178 2 18 19 35 26 36 29 17 37 0 \n", "4 201 2 25 20 21 32 31 28 31 17 27 \n", "5 202 2 12 30 0 0 0 0 0 0 0 \n", "6 206 2 36 29 0 0 31 31 0 0 0 \n", "7 210 2 19 0 12 13 21 37 12 22 0 \n", "8 211 2 32 35 0 0 0 0 0 0 0 \n", "\n", " mg5B mg6A mg6B mg7A mg7B mg8A mg8B r1A r1B r2A r2B r3A r3B \\\n", "0 0 0 0 0 0 0 0 1 1 1 1 1 1 \n", "1 0 0 0 0 0 0 0 1 1 1 1 1 0 \n", "2 0 0 0 0 0 0 0 1 1 1 1 1 0 \n", "3 0 0 0 0 0 0 0 1 1 1 1 1 1 \n", "4 27 0 0 0 0 0 0 1 1 1 1 1 1 \n", "5 0 0 0 0 0 0 0 1 1 1 0 0 0 \n", "6 0 0 0 0 0 0 0 1 1 1 0 1 1 \n", "7 0 0 0 0 0 0 0 1 0 1 1 1 1 \n", "8 0 0 0 0 0 0 0 1 1 1 0 0 0 \n", "\n", " r4A r4B r5A r5B r6A r6B r7A r7B r8A r8B y1A y1B y2A y2B y3A \\\n", "0 1 1 0 0 0 0 0 0 0 0 4 4 4 4 4 \n", "1 0 0 0 0 0 0 0 0 0 0 4 4 4 4 4 \n", "2 1 1 0 0 0 0 0 0 0 0 4 4 4 4 0 \n", "3 1 1 0 0 0 0 0 0 0 0 4 4 4 4 4 \n", "4 1 1 1 1 0 0 0 0 0 0 4 4 4 4 4 \n", "5 0 0 0 0 0 0 0 0 0 0 4 4 0 0 0 \n", "6 1 0 0 0 0 0 0 0 0 0 4 4 0 0 4 \n", "7 1 1 0 0 0 0 0 0 0 0 4 0 4 4 4 \n", "8 0 0 0 0 0 0 0 0 0 0 4 4 0 0 0 \n", "\n", " y3B y4A y4B y5A y5B y6A y6B y7A y7B y8A y8B \n", "0 4 4 4 0 0 0 0 0 0 0 0 \n", "1 0 0 0 0 0 0 0 0 0 0 0 \n", "2 0 4 4 0 0 0 0 0 0 0 0 \n", "3 4 4 4 0 0 0 0 0 0 0 0 \n", "4 4 4 4 4 4 0 0 0 0 0 0 \n", "5 0 0 0 0 0 0 0 0 0 0 0 \n", "6 4 0 0 0 0 0 0 0 0 0 0 \n", "7 4 4 4 0 0 0 0 0 0 0 0 \n", "8 0 0 0 0 0 0 0 0 0 0 0 " ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "# 현시구성\n", "phase_info = pd.read_csv(\"phase_info.csv\")\n", "phase_info.drop('flow_no', axis=1, inplace=True)\n", "# display(phase_info)\n", "mg = phase_info.pivot_table(index='inter_no', columns=['phase_no', 'ring_type'], values='min_green_dur').fillna(0).astype(int)\n", "y = phase_info.pivot_table(index='inter_no', columns=['phase_no', 'ring_type'], values='yellow_dur').fillna(0).astype(int)\n", "r = phase_info.pivot_table(index='inter_no', columns=['phase_no', 'ring_type'], values='red_dur').fillna(0).astype(int)\n", "max_phase_no = phase_info['phase_no'].max()\n", "new_columns = [f'{col}{phase}{ring}' for col in ['mg', 'y', 'r'] for phase in range(1, max_phase_no + 1) for ring in ['A', 'B']]\n", "phase_info = pd.concat([mg, y, r], axis=1)\n", "phase_info.columns = new_columns\n", "phase_info['main_phase'] = 2\n", "phase_info['mg6A'] = phase_info['mg6B'] = phase_info['mg7A'] = phase_info['mg7B'] = phase_info['mg8A'] = phase_info['mg8B']= 0\n", "phase_info['y6A'] = phase_info['y6B'] = phase_info['y7A'] = phase_info['y7B'] = phase_info['y8A'] = phase_info['y8B']= 0\n", "phase_info['r6A'] = phase_info['r6B'] = phase_info['r7A'] = phase_info['r7B'] = phase_info['r8A'] = phase_info['r8B']= 0\n", "phase_info = phase_info[sorted(phase_info.columns)]\n", "phase_info.reset_index(inplace=True)\n", "with pd.option_context('display.max_rows', None, 'display.max_columns', None): \n", " display(phase_info)\n", "phase_info.to_csv('../phase_info.csv')" ] }, { "cell_type": "code", "execution_count": 4, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
inter_noangle_A1angle_A2angle_A3angle_A4angle_A5angle_A6angle_A7angle_A8angle_B1angle_B2angle_B3angle_B4angle_B5angle_B6angle_B7angle_B8
0175179004001095090270268000NaNNaNNaNNaN003176179270090180270090NaNNaNNaNNaN
1176180000180000270356NaNNaNNaNNaNNaN359180180270NaNNaNNaNNaNNaNNaN
2177180000000090stop268000NaNNaNNaNNaN001176179270NaN090180NaNNaNNaNNaN
3178180000000090270000090270NaNNaNNaNNaN000180180270270090090180NaNNaNNaNNaN
4201180000270000090270090270000090NaNNaNNaN180270270090270090090180000180NaNNaNNaN
5202090270stopNaNNaNNaNNaNNaNNaN270090NaNNaNNaNNaNNaNNaNNaN
6206180000stop180000stopNaNNaNNaNNaN000180NaN000180NaNNaNNaNNaNNaN
7210090270268000359090180000NaNNaNNaNNaNNaN270090000180180270NaNNaNNaNNaN
8211090270stopNaNNaNNaNNaNNaNNaN270090NaNNaNNaNNaNNaNNaNNaN
\n", "
" ], "text/plain": [ " inter_no angle_A1 angle_A2 angle_A3 angle_A4 angle_A5 angle_A6 angle_A7 \\\n", "0 175 179004 001095 090270 268000 NaN NaN NaN \n", "1 176 180000 180000 270356 NaN NaN NaN NaN \n", "2 177 180000 000090 stop 268000 NaN NaN NaN \n", "3 178 180000 000090 270000 090270 NaN NaN NaN \n", "4 201 180000 270000 090270 090270 000090 NaN NaN \n", "5 202 090270 stop NaN NaN NaN NaN NaN \n", "6 206 180000 stop 180000 stop NaN NaN NaN \n", "7 210 090270 268000 359090 180000 NaN NaN NaN \n", "8 211 090270 stop NaN NaN NaN NaN NaN \n", "\n", " angle_A8 angle_B1 angle_B2 angle_B3 angle_B4 angle_B5 angle_B6 angle_B7 \\\n", "0 NaN 003176 179270 090180 270090 NaN NaN NaN \n", "1 NaN 359180 180270 NaN NaN NaN NaN NaN \n", "2 NaN 001176 179270 NaN 090180 NaN NaN NaN \n", "3 NaN 000180 180270 270090 090180 NaN NaN NaN \n", "4 NaN 180270 270090 270090 090180 000180 NaN NaN \n", "5 NaN 270090 NaN NaN NaN NaN NaN NaN \n", "6 NaN 000180 NaN 000180 NaN NaN NaN NaN \n", "7 NaN NaN 270090 000180 180270 NaN NaN NaN \n", "8 NaN 270090 NaN NaN NaN NaN NaN NaN \n", "\n", " angle_B8 \n", "0 NaN \n", "1 NaN \n", "2 NaN \n", "3 NaN \n", "4 NaN \n", "5 NaN \n", "6 NaN \n", "7 NaN \n", "8 NaN " ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "# 방위각정보\n", "flow_angle = pd.read_csv(\"flow_angle.csv\")\n", "angle = flow_angle.pivot_table(index='inter_no', columns=['phase_no', 'ring_type'], values='angle_code', aggfunc='first').fillna('NaN')\n", "new_columns = [f'angle_{ring}{phase}' for phase in range(1, 6) for ring in ['A', 'B']]\n", "angle.columns = new_columns\n", "angle['angle_A6'] = angle['angle_A7'] = angle['angle_A8'] = np.nan\n", "angle['angle_B6'] = angle['angle_B7'] = angle['angle_B8'] = np.nan\n", "angle = angle[sorted(angle.columns)]\n", "angle = angle.reset_index()\n", "display(angle)\n", "angle.to_csv('../angle.csv')" ] }, { "cell_type": "code", "execution_count": 5, "metadata": {}, "outputs": [ { "name": "stderr", "output_type": "stream", "text": [ "100%|██████████| 17280/17280 [04:21<00:00, 66.16it/s]\n" ] } ], "source": [ "# 이동류번호\n", "plan = pd.read_csv(\"time_plan.csv\")\n", "phase = pd.read_csv('phase_info.csv')\n", "plan = plan[plan.ID.isin([1, 5, 8, 11])]\n", "ID2starttime = {1:\"00:00\", 5:\"07:00\", 8:\"09:00\", 11:\"18:30\"}\n", "plan['start_hour'] = plan.ID.apply(lambda id:ID2starttime[id].split(\":\")[0])\n", "plan['start_minute']=plan.ID.apply(lambda id:ID2starttime[id].split(\":\")[1])\n", "plan = plan[['inter_no', 'start_hour', 'start_minute', 'phase_no', 'ring_type', 'duration', 'cycle']]\n", "plan_ = pd.merge(plan, phase[['inter_no', 'phase_no', 'ring_type', 'flow_no']], on=['inter_no', 'phase_no', 'ring_type'], how='left')\n", "plan_['flow_no'] = plan_['flow_no'].fillna(18).astype(int)\n", "plan_['start_second'] = plan_.start_hour.astype(int)*3600 + plan_.start_minute.astype(int)*60\n", "plan_ = plan_[['inter_no', 'start_second', 'phase_no', 'ring_type', 'duration', 'flow_no', 'cycle']]\n", "cycle_dict = dict(zip(zip(plan_['inter_no'], plan_['start_second']), plan_['cycle']))\n", "df = plan_[['inter_no','start_second','cycle']].drop_duplicates()\n", "df = df.reset_index(drop=True)\n", "df['start_second_exact'] = 0\n", "for i in range(1, len(df)):\n", " if i % 4 != 0:\n", " prev = df.loc[i-1, 'start_second_exact']\n", " start_second = df.loc[i, 'start_second']\n", " cycle = df.loc[i-1, 'cycle']\n", " df.loc[i, 'start_second_exact'] = (start_second - prev) % cycle + start_second\n", "inter2start = {inter_no:list(df[df.inter_no==inter_no]['start_second_exact']) for inter_no in df.inter_no}\n", "plan_ = plan_.pivot_table(index=['inter_no', 'start_second', 'phase_no'],\n", " columns='ring_type',\n", " values=['duration', 'flow_no'],\n", " aggfunc='first').reset_index()\n", "plan_.columns = ['inter_no', 'start_second', 'phase_no', 'dura_A', 'dura_B', 'move_A', 'move_B']\n", "inter2no_phase = {inter_no:group.phase_no.unique().max() for (inter_no, group) in plan.groupby('inter_no')}\n", "\n", "midnight = int(datetime(2024, 1, 5, 0, 0, 0).timestamp())\n", "next_day = int(datetime(2024, 1, 6, 0, 0, 0).timestamp())\n", "for current_time in tqdm(range(midnight, next_day, 5)):\n", " sec = current_time - midnight\n", " the_start_second = np.max(df.start_second[df.start_second <= sec])\n", " move = []\n", " for inter_no in plan_.inter_no.unique():\n", " cycle = cycle_dict[(inter_no, the_start_second)]\n", " df = plan_[(plan_.inter_no==inter_no)&(plan_.start_second==the_start_second)].reset_index(drop=True)\n", " remainder = sec % cycle\n", " df['cums_A'] = df.copy().dura_A.cumsum()\n", " df['cums_B'] = df.copy().dura_B.cumsum()\n", " ind_A = len(df.cums_A[df.cums_A <= remainder]) % inter2no_phase[inter_no]\n", " ind_B = len(df.cums_B[df.cums_B <= remainder]) % inter2no_phase[inter_no]\n", " dura_A = df.loc[ind_A, 'dura_A']\n", " dura_B = df.loc[ind_B, 'dura_B']\n", " phas_A = df.loc[ind_A, 'phase_no']\n", " phas_B = df.loc[ind_B, 'phase_no']\n", " move_A = df.loc[ind_A, 'move_A']\n", " move_B = df.loc[ind_B, 'move_B']\n", " move.append(pd.DataFrame({'inter_no':[inter_no], 'phas_A':[phas_A], 'phas_B':[phas_B], 'move_A':[move_A], 'move_B':[move_B]}))\n", " move = pd.concat(move)\n", " move.to_csv(f'../moves/move_{current_time}.csv')" ] }, { "cell_type": "code", "execution_count": 21, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
inter_nostart_hourstart_minutedura_A1dura_A2dura_A3dura_A4dura_A5dura_A6dura_A7...dura_B1dura_B2dura_B3dura_B4dura_B5dura_B6dura_B7dura_B8cycleoffset
0175000037395529000...37392559000016057
1175070040425533000...40422959000017040
2175090043455537000...43453359000018028
3175183046485541000...46483759000019018
417600003773400000...37734000000150131
517607003793400000...37934000000170153
6176090037103400000...371034000000180169
7176183037113400000...371134000000190185
8177000036206826000...36206826000015035
9177070040257134000...40257134000017033
10177090043277040000...43277040000018041
11177183045327736000...45327736000019049
12178000038394023000...38394023000014050
13178070038394241000...38396221000016090
14178090038394350000...38397122000017080
15178183038394459000...38398023000018075
162010000242417581700...2424175817000140133
172010700303618581800...3036185818000160132
182010900333625581800...3336255818000170134
192011830365018581800...3650185818000180137
2020200003910100000...39101000000140103
2120207004611400000...46114000000160103
2220209004611400000...46114000000160103
2320218304812200000...48122000000170103
24206000033352626000...33352626000012010
25206070044442626000...4444262600001407
26206090045532626000...45532626000015017
27206183046622626000...46622626000016010
28210000043295622000...244856220000150115
29210070043396523000...245865230000170131
30210090043437024000...285870240000180137
31210183043477525000...246675250000190143
322110000289700000...289700000012545
3321107002810700000...2810700000013545
3421109002811200000...2811200000014055
3521118302811700000...2811700000014555
\n", "

36 rows × 21 columns

\n", "
" ], "text/plain": [ " inter_no start_hour start_minute dura_A1 dura_A2 dura_A3 dura_A4 \\\n", "0 175 00 00 37 39 55 29 \n", "1 175 07 00 40 42 55 33 \n", "2 175 09 00 43 45 55 37 \n", "3 175 18 30 46 48 55 41 \n", "4 176 00 00 37 73 40 0 \n", "5 176 07 00 37 93 40 0 \n", "6 176 09 00 37 103 40 0 \n", "7 176 18 30 37 113 40 0 \n", "8 177 00 00 36 20 68 26 \n", "9 177 07 00 40 25 71 34 \n", "10 177 09 00 43 27 70 40 \n", "11 177 18 30 45 32 77 36 \n", "12 178 00 00 38 39 40 23 \n", "13 178 07 00 38 39 42 41 \n", "14 178 09 00 38 39 43 50 \n", "15 178 18 30 38 39 44 59 \n", "16 201 00 00 24 24 17 58 \n", "17 201 07 00 30 36 18 58 \n", "18 201 09 00 33 36 25 58 \n", "19 201 18 30 36 50 18 58 \n", "20 202 00 00 39 101 0 0 \n", "21 202 07 00 46 114 0 0 \n", "22 202 09 00 46 114 0 0 \n", "23 202 18 30 48 122 0 0 \n", "24 206 00 00 33 35 26 26 \n", "25 206 07 00 44 44 26 26 \n", "26 206 09 00 45 53 26 26 \n", "27 206 18 30 46 62 26 26 \n", "28 210 00 00 43 29 56 22 \n", "29 210 07 00 43 39 65 23 \n", "30 210 09 00 43 43 70 24 \n", "31 210 18 30 43 47 75 25 \n", "32 211 00 00 28 97 0 0 \n", "33 211 07 00 28 107 0 0 \n", "34 211 09 00 28 112 0 0 \n", "35 211 18 30 28 117 0 0 \n", "\n", " dura_A5 dura_A6 dura_A7 ... dura_B1 dura_B2 dura_B3 dura_B4 \\\n", "0 0 0 0 ... 37 39 25 59 \n", "1 0 0 0 ... 40 42 29 59 \n", "2 0 0 0 ... 43 45 33 59 \n", "3 0 0 0 ... 46 48 37 59 \n", "4 0 0 0 ... 37 73 40 0 \n", "5 0 0 0 ... 37 93 40 0 \n", "6 0 0 0 ... 37 103 40 0 \n", "7 0 0 0 ... 37 113 40 0 \n", "8 0 0 0 ... 36 20 68 26 \n", "9 0 0 0 ... 40 25 71 34 \n", "10 0 0 0 ... 43 27 70 40 \n", "11 0 0 0 ... 45 32 77 36 \n", "12 0 0 0 ... 38 39 40 23 \n", "13 0 0 0 ... 38 39 62 21 \n", "14 0 0 0 ... 38 39 71 22 \n", "15 0 0 0 ... 38 39 80 23 \n", "16 17 0 0 ... 24 24 17 58 \n", "17 18 0 0 ... 30 36 18 58 \n", "18 18 0 0 ... 33 36 25 58 \n", "19 18 0 0 ... 36 50 18 58 \n", "20 0 0 0 ... 39 101 0 0 \n", "21 0 0 0 ... 46 114 0 0 \n", "22 0 0 0 ... 46 114 0 0 \n", "23 0 0 0 ... 48 122 0 0 \n", "24 0 0 0 ... 33 35 26 26 \n", "25 0 0 0 ... 44 44 26 26 \n", "26 0 0 0 ... 45 53 26 26 \n", "27 0 0 0 ... 46 62 26 26 \n", "28 0 0 0 ... 24 48 56 22 \n", "29 0 0 0 ... 24 58 65 23 \n", "30 0 0 0 ... 28 58 70 24 \n", "31 0 0 0 ... 24 66 75 25 \n", "32 0 0 0 ... 28 97 0 0 \n", "33 0 0 0 ... 28 107 0 0 \n", "34 0 0 0 ... 28 112 0 0 \n", "35 0 0 0 ... 28 117 0 0 \n", "\n", " dura_B5 dura_B6 dura_B7 dura_B8 cycle offset \n", "0 0 0 0 0 160 57 \n", "1 0 0 0 0 170 40 \n", "2 0 0 0 0 180 28 \n", "3 0 0 0 0 190 18 \n", "4 0 0 0 0 150 131 \n", "5 0 0 0 0 170 153 \n", "6 0 0 0 0 180 169 \n", "7 0 0 0 0 190 185 \n", "8 0 0 0 0 150 35 \n", "9 0 0 0 0 170 33 \n", "10 0 0 0 0 180 41 \n", "11 0 0 0 0 190 49 \n", "12 0 0 0 0 140 50 \n", "13 0 0 0 0 160 90 \n", "14 0 0 0 0 170 80 \n", "15 0 0 0 0 180 75 \n", "16 17 0 0 0 140 133 \n", "17 18 0 0 0 160 132 \n", "18 18 0 0 0 170 134 \n", "19 18 0 0 0 180 137 \n", "20 0 0 0 0 140 103 \n", "21 0 0 0 0 160 103 \n", "22 0 0 0 0 160 103 \n", "23 0 0 0 0 170 103 \n", "24 0 0 0 0 120 10 \n", "25 0 0 0 0 140 7 \n", "26 0 0 0 0 150 17 \n", "27 0 0 0 0 160 10 \n", "28 0 0 0 0 150 115 \n", "29 0 0 0 0 170 131 \n", "30 0 0 0 0 180 137 \n", "31 0 0 0 0 190 143 \n", "32 0 0 0 0 125 45 \n", "33 0 0 0 0 135 45 \n", "34 0 0 0 0 140 55 \n", "35 0 0 0 0 145 55 \n", "\n", "[36 rows x 21 columns]" ] }, "metadata": {}, "output_type": "display_data" }, { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
inter_nostart_hourstart_minuteddur_1ddur_2ddur_3ddur_4ddur_5ddur_6ddur_7ddur_8cycleoffset
01750000373925302900016057
11750700404229263300017040
21750900434533223700018028
31751830464837184100019018
4176000037734000000150131
5176070037934000000170153
61760900371034000000180169
71761830371134000000190185
8177000036206826000015035
9177070040257134000017033
10177090043277040000018041
11177183045327736000019049
12178000038394023000014050
131780700383942202100016090
141780900383943282200017080
151781830383944362300018075
1620100002424175817000140133
1720107003036185818000160132
1820109003336255818000170134
1920118303650185818000180137
20202000039101000000140103
21202070046114000000160103
22202090046114000000160103
23202183048122000000170103
24206000033352626000012010
2520607004444262600001407
26206090045532626000015017
27206183046622626000016010
2821000002419295622000150115
2921007002419396523000170131
3021009002815437024000180137
3121018302419477525000190143
322110000289700000012545
3321107002810700000013545
3421109002811200000014055
3521118302811700000014555
\n", "
" ], "text/plain": [ " inter_no start_hour start_minute ddur_1 ddur_2 ddur_3 ddur_4 ddur_5 \\\n", "0 175 00 00 37 39 25 30 29 \n", "1 175 07 00 40 42 29 26 33 \n", "2 175 09 00 43 45 33 22 37 \n", "3 175 18 30 46 48 37 18 41 \n", "4 176 00 00 37 73 40 0 0 \n", "5 176 07 00 37 93 40 0 0 \n", "6 176 09 00 37 103 40 0 0 \n", "7 176 18 30 37 113 40 0 0 \n", "8 177 00 00 36 20 68 26 0 \n", "9 177 07 00 40 25 71 34 0 \n", "10 177 09 00 43 27 70 40 0 \n", "11 177 18 30 45 32 77 36 0 \n", "12 178 00 00 38 39 40 23 0 \n", "13 178 07 00 38 39 42 20 21 \n", "14 178 09 00 38 39 43 28 22 \n", "15 178 18 30 38 39 44 36 23 \n", "16 201 00 00 24 24 17 58 17 \n", "17 201 07 00 30 36 18 58 18 \n", "18 201 09 00 33 36 25 58 18 \n", "19 201 18 30 36 50 18 58 18 \n", "20 202 00 00 39 101 0 0 0 \n", "21 202 07 00 46 114 0 0 0 \n", "22 202 09 00 46 114 0 0 0 \n", "23 202 18 30 48 122 0 0 0 \n", "24 206 00 00 33 35 26 26 0 \n", "25 206 07 00 44 44 26 26 0 \n", "26 206 09 00 45 53 26 26 0 \n", "27 206 18 30 46 62 26 26 0 \n", "28 210 00 00 24 19 29 56 22 \n", "29 210 07 00 24 19 39 65 23 \n", "30 210 09 00 28 15 43 70 24 \n", "31 210 18 30 24 19 47 75 25 \n", "32 211 00 00 28 97 0 0 0 \n", "33 211 07 00 28 107 0 0 0 \n", "34 211 09 00 28 112 0 0 0 \n", "35 211 18 30 28 117 0 0 0 \n", "\n", " ddur_6 ddur_7 ddur_8 cycle offset \n", "0 0 0 0 160 57 \n", "1 0 0 0 170 40 \n", "2 0 0 0 180 28 \n", "3 0 0 0 190 18 \n", "4 0 0 0 150 131 \n", "5 0 0 0 170 153 \n", "6 0 0 0 180 169 \n", "7 0 0 0 190 185 \n", "8 0 0 0 150 35 \n", "9 0 0 0 170 33 \n", "10 0 0 0 180 41 \n", "11 0 0 0 190 49 \n", "12 0 0 0 140 50 \n", "13 0 0 0 160 90 \n", "14 0 0 0 170 80 \n", "15 0 0 0 180 75 \n", "16 0 0 0 140 133 \n", "17 0 0 0 160 132 \n", "18 0 0 0 170 134 \n", "19 0 0 0 180 137 \n", "20 0 0 0 140 103 \n", "21 0 0 0 160 103 \n", "22 0 0 0 160 103 \n", "23 0 0 0 170 103 \n", "24 0 0 0 120 10 \n", "25 0 0 0 140 7 \n", "26 0 0 0 150 17 \n", "27 0 0 0 160 10 \n", "28 0 0 0 150 115 \n", "29 0 0 0 170 131 \n", "30 0 0 0 180 137 \n", "31 0 0 0 190 143 \n", "32 0 0 0 125 45 \n", "33 0 0 0 135 45 \n", "34 0 0 0 140 55 \n", "35 0 0 0 145 55 " ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "# 신호계획\n", "plan = pd.read_csv(\"time_plan.csv\")\n", "plan = plan[plan.ID.isin([1, 5, 8, 11])]\n", "ID2starttime = {1:\"00:00\", 5:\"07:00\", 8:\"09:00\", 11:\"18:30\"}\n", "plan['start_hour'] = plan.ID.apply(lambda id:ID2starttime[id].split(\":\")[0])\n", "plan['start_minute']=plan.ID.apply(lambda id:ID2starttime[id].split(\":\")[1])\n", "plan = plan[['inter_no', 'start_hour', 'start_minute', 'phase_no', 'ring_type', 'duration', 'cycle', 'offset']]\n", "plan = plan.pivot_table(index=['inter_no', 'start_hour', 'start_minute', 'cycle', 'offset'], columns=['phase_no','ring_type'], values='duration', aggfunc='first').fillna(0).astype(int)\n", "new_columns = [f'dura_{ring}{phase}' for phase in range(1, 6) for ring in ['A', 'B']]\n", "plan.columns = new_columns\n", "new_columns = [f'dura_{ring}{phase}' for phase in range(1, 9) for ring in ['A', 'B']]\n", "for col in new_columns:\n", " if col not in plan.columns:\n", " plan[col] = 0\n", "plan.reset_index(inplace=True)\n", "plan = plan[list(plan.columns)[:3] + sorted(plan.columns)[1:-4] + list(plan.columns)[3:5]]\n", "plan.to_csv('../plan.csv')\n", "pland = plan.copy()\n", "cums_A = np.array(pland[[f'dura_A{k}' for k in range(1,9)]].cumsum(axis=1))\n", "cums_B = np.array(pland[[f'dura_B{k}' for k in range(1,9)]].cumsum(axis=1))\n", "detailed_cums = []\n", "i = 0\n", "for row_A, row_B in zip(cums_A, cums_B):\n", " combined_row = np.unique(np.concatenate((row_A, row_B)))\n", " ddur = np.concatenate(([combined_row[0]], np.diff(combined_row)))\n", " ddur = np.pad(ddur, (0, 8 - len(ddur)), constant_values=(0))\n", " detailed_cums.append(ddur)\n", " for j in range(8):\n", " pland.at[i, f'ddur_{j+1}'] = ddur[j]\n", " i+=1\n", "pland = pland[['inter_no', 'start_hour', 'start_minute'] + [f'ddur_{i}' for i in range(1,9)] + ['cycle', 'offset']] # plan detailed\n", "pland[[f'ddur_{i}' for i in range(1,9)]] = pland[[f'ddur_{i}' for i in range(1,9)]].astype(int)\n", "display(plan)\n", "display(pland)" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "# 신호이력\n", "midnight = int(datetime(2024, 1, 5, 0, 0, 0).timestamp())\n", "next_day = int(datetime(2024, 1, 6, 0, 0, 0).timestamp())\n", "pland['end_unix'] = pland['start_hour'].astype(int) * 3600 + plan['start_minute'].astype(int) * 60 + midnight\n", "history = []\n", "for inter_no in pland.inter_no.unique():\n", " aplan = pland[pland.inter_no == inter_no] # a (specific) plan\n", " rows = []\n", " current_time = midnight # 현재시각\n", " for i in range(len(aplan)):\n", " first_row = aplan.iloc[i]\n", " cycle = first_row['cycle']\n", " unix_end = aplan.iloc[i + 1]['end_unix'] if i < len(aplan) - 1 else next_day # 프로그램의 마지막 시점\n", " r = 0\n", " while current_time <= unix_end:\n", " remainder = current_time % 10\n", " if remainder != 0: # 현재시각의 일의자리가 0이 아니면 다음 현재시각의 일이자리가 0이 되도록 맞춰준다.\n", " r = (5 - remainder) % 10 - 5 # 1>-1, 2>-2, 3>-3, 4>-4, 5>-5, 6>4, 7>3, 8>2, 9>1\n", " else:\n", " r = random.choices([0, -1, 1], weights=[10, 1, 1])[0] # 측정오차\n", " # 0.001의 확률로 결측 발생\n", " if random.random() < 0.001: # 주기의 배수만큼 결측\n", " n = random.randint(0,100)\n", " current_time += n * cycle + r\n", " # 0.01의 확률로 이상치 발생\n", " elif random.random() > 0.99: # 카이제곱분포값 * 주기만큼의 이상치 발생. 카이제곱분포값은 항상 양수이고 평균이 1\n", " current_time += int(np.random.normal()**2 * cycle) + r\n", " else:\n", " current_time += cycle + r # 결측/이상 없음\n", " new_row = first_row.copy()\n", " new_row['end_unix'] = current_time\n", " rows.append(new_row)\n", " ahistory = pd.concat(rows, axis=1).transpose().reset_index(drop=True) # a (specific) history\n", " history.append(ahistory)\n", "history = pd.concat(history)\n", "history = history[history.end_unix <= next_day]\n", "history = history.sort_values(by='end_unix').reset_index(drop=True)\n", "history = history[['inter_no', 'end_unix'] + [f'ddur_{j}' for j in range(1, 9)] + ['cycle', 'offset']]\n", "history.to_csv('../history.csv')\n", "display(history[:30])\n", "# hist = history.copy()[history.inter_no==175]\n", "# hist['diff'] = hist['end_unix'].diff()\n", "# with pd.option_context('display.max_rows', None, 'display.max_columns', None):\n", "# display(hist)" ] }, { "cell_type": "code", "execution_count": 8, "metadata": {}, "outputs": [], "source": [ "# df = history.sort_values(by=['inter_no','end_unix'])\n", "# df['diff'] = df.end_unix.diff()\n", "# with pd.option_context('display.max_rows', None, 'display.max_columns', None):\n", "# display(df)" ] }, { "cell_type": "code", "execution_count": 9, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
inter_nonode_idinter_type
0175i0parent
1175u00child
2176i1parent
3177i2parent
4177u20child
5178i3parent
6178u30child
7178u31child
8178u32child
9201i8parent
10202i9parent
11206i7parent
12210i6parent
13210u60child
14211c30parent
\n", "
" ], "text/plain": [ " inter_no node_id inter_type\n", "0 175 i0 parent\n", "1 175 u00 child\n", "2 176 i1 parent\n", "3 177 i2 parent\n", "4 177 u20 child\n", "5 178 i3 parent\n", "6 178 u30 child\n", "7 178 u31 child\n", "8 178 u32 child\n", "9 201 i8 parent\n", "10 202 i9 parent\n", "11 206 i7 parent\n", "12 210 i6 parent\n", "13 210 u60 child\n", "14 211 c30 parent" ] }, "metadata": {}, "output_type": "display_data" } ], "source": [ "# 교차로-노드 매칭\n", "uturn = pd.read_csv('U_TURN.csv')\n", "inter_node = pd.read_csv('inter.csv')\n", "inter_node = inter_node[['INT_NO', 'node_id', 'P/C']]\n", "# inter_node.drop(index=len(inter_node) - 1, inplace=True)\n", "inter_node.columns = ['inter_no', 'node_id', 'inter_type'] # parent : 주교차로, child : 부교차로\n", "inter_node['inter_no'] = inter_node['inter_no'].astype(int) # i : intersection, u : u-turn intersection, c : coupling intersection\n", "inter_node.iloc[-1] = pd.Series([211, 'c30', 'parent'])\n", "inter_node.to_csv('../inter_node.csv')\n", "display(inter_node)" ] }, { "cell_type": "code", "execution_count": 10, "metadata": {}, "outputs": [], "source": [ "# 부교차로 정보\n", "# 지금은 생략 (23. 1. 9. 09:32)" ] } ], "metadata": { "kernelspec": { "display_name": "rts", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.8.10" } }, "nbformat": 4, "nbformat_minor": 2 }