You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
431 lines
23 KiB
431 lines
23 KiB
import pandas as pd
|
|
import numpy as np
|
|
import os
|
|
import json
|
|
import sumolib
|
|
from tqdm import tqdm
|
|
|
|
def check_inter_info(inter_info):
|
|
print(inter_info)
|
|
print('check')
|
|
|
|
def make_match1(path_root):
|
|
'''
|
|
신호 DB에는 매 초마다 이동류정보가 업데이트 된다. 그리고 이 이동류정보를 매 5초마다 불러와서 사용하게 된다.
|
|
'../Data/tables/move/'에는 5초마다의 이동류정보가 저장되어 있다.
|
|
|
|
return : 통합된 이동류정보
|
|
- 모든 inter_no(교차로번호)에 대한 A, B링 현시별 이동류정보
|
|
|
|
match1을 만드는 데 시간이 소요되므로 한 번 만들어서 저장해두고 저장해둔 것을 쓴다.
|
|
'''
|
|
# [이동류번호] 불러오기 (약 1분의 소요시간)
|
|
path_move = os.path.join(path_root, 'Data', 'tables', 'move')
|
|
csv_moves = os.listdir(path_move)
|
|
moves = [pd.read_csv(os.path.join(path_move, csv_move), index_col=0) for csv_move in tqdm(csv_moves, desc='이동류정보 불러오는 중 : match1')]
|
|
match1 = pd.concat(moves).drop_duplicates().sort_values(by=['inter_no','phas_A','phas_B']).reset_index(drop=True)
|
|
match1.to_csv(os.path.join(path_root, 'Intermediates', 'match1.csv'))
|
|
return match1
|
|
|
|
def make_match2(match1):
|
|
'''
|
|
match1을 계층화함.
|
|
- match1의 컬럼 : inter_no, phas_A, phas_B, move_A, move_B
|
|
- match2의 컬럼 : inter_no, phase_no, ring_type, move_no
|
|
'''
|
|
# 계층화 (inter_no, phas_A, phas_B, move_A, move_B) -> ('inter_no', 'phase_no', 'ring_type', 'move_no')
|
|
matchA = match1[['inter_no', 'phas_A', 'move_A']].copy()
|
|
matchA.columns = ['inter_no', 'phase_no', 'move_no']
|
|
matchA['ring_type'] = 'A'
|
|
matchB = match1[['inter_no', 'phas_B', 'move_B']].copy()
|
|
matchB.columns = ['inter_no', 'phase_no', 'move_no']
|
|
matchB['ring_type'] = 'B'
|
|
match2 = pd.concat([matchA, matchB]).drop_duplicates()
|
|
match2 = match2[['inter_no', 'phase_no', 'ring_type', 'move_no']]
|
|
match2 = match2.sort_values(by=list(match2.columns))
|
|
return match2
|
|
|
|
def make_match3(match2, nema):
|
|
'''
|
|
각 movement들에 방향(진입방향, 진출방향)을 매칭시켜 추가함.
|
|
- match2의 컬럼 : inter_no, phase_no, ring_type, move_no
|
|
- match3의 컬럼 : inter_no, phase_no, ring_type, move_no, inc_dir, out_dir
|
|
|
|
nema :
|
|
- 컬럼 : move_no, inc_dir, out_dir
|
|
- 모든 종류의 이동류번호에 대하여 진입방향과 진출방향을 매칭시키는 테이블
|
|
- 이동류번호 : 1 ~ 16, 17, 18, 21
|
|
- 진입, 진출방향(8방위) : 동, 서, 남, 북, 북동, 북서, 남동, 남서
|
|
'''
|
|
# nema 정보 불러오기 및 병합
|
|
match3 = pd.merge(match2, nema, how='left', on='move_no').drop_duplicates()
|
|
return match3
|
|
|
|
def make_match4(match3, angle):
|
|
'''
|
|
방위각 정보를 매칭시켜 추가함.
|
|
- match3의 컬럼 : inter_no, phase_no, ring_type, move_no, inc_dir, out_dir
|
|
- match4의 컬럼 : inter_no, phase_no, ring_type, move_no, inc_dir, out_dir, inc_angle, out_angle
|
|
|
|
angle_original :
|
|
- 컬럼 : inter_no, angle_Aj, angle_Bj (j : 1 ~ 8)
|
|
- 모든 종류의 이동류번호에 대하여 진입방향과 진출방향을 매칭시키는 테이블
|
|
- 이동류번호 : 1 ~ 16, 17, 18, 21
|
|
- 진입, 진출방향(8방위) : 동, 서, 남, 북, 북동, 북서, 남동, 남서
|
|
'''
|
|
|
|
# 계층화
|
|
angles = []
|
|
for i, row in angle.iterrows():
|
|
angle_codes = row[[f'angle_{alph}{j}' for alph in ['A', 'B'] for j in range(1,9)]]
|
|
new = pd.DataFrame({'inter_no':[row.inter_no] * 16, 'phase_no':list(range(1, 9))*2, 'ring_type':['A'] * 8 + ['B'] * 8, 'angle_code':angle_codes.to_list()})
|
|
angles.append(new)
|
|
angles = pd.concat(angles)
|
|
angles = angles.dropna().reset_index(drop=True)
|
|
|
|
# 병합
|
|
six_chars = angles.angle_code.apply(lambda x:len(x)==6)
|
|
angles.loc[six_chars,'inc_angle'] = angles.angle_code.apply(lambda x:x[:3])
|
|
angles.loc[six_chars,'out_angle'] = angles.angle_code.apply(lambda x:x[3:])
|
|
angles = angles.drop('angle_code', axis=1)
|
|
match4 = pd.merge(match3, angles, how='left', left_on=['inter_no', 'phase_no', 'ring_type'],
|
|
right_on=['inter_no', 'phase_no', 'ring_type']).drop_duplicates()
|
|
return match4
|
|
|
|
def make_match5(match4, net, inter_node, inter_info):
|
|
'''
|
|
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.
|
|
'''
|
|
|
|
# parent node만 가져옴.
|
|
inter_node1 = inter_node[inter_node.inter_type == 'parent'].drop('inter_type', axis=1)
|
|
inter_info1 = inter_info[['inter_no', 'inter_lat', 'inter_lon']]
|
|
inter = pd.merge(inter_node1, inter_info1, how='left', left_on=['inter_no'],
|
|
right_on=['inter_no']).drop_duplicates()
|
|
|
|
inter2node = dict(zip(inter['inter_no'], inter['node_id']))
|
|
|
|
match5 = match4.copy()
|
|
# 진입진출ID 매칭
|
|
for index, row in match5.iterrows():
|
|
node_id = inter2node[row.inter_no]
|
|
node = net.getNode(node_id)
|
|
# 교차로의 모든 (from / to) edges
|
|
inc_edges = [edge for edge in node.getIncoming() if edge.getFunction() == ''] # incoming edges
|
|
out_edges = [edge for edge in node.getOutgoing() if edge.getFunction() == ''] # outgoing edges
|
|
# 교차로의 모든 (from / to) directions
|
|
inc_dirs = []
|
|
for inc_edge in inc_edges:
|
|
start = inc_edge.getShape()[-2]
|
|
end = inc_edge.getShape()[-1]
|
|
inc_dir = np.array(end) - np.array(start)
|
|
inc_dir = inc_dir / (inc_dir ** 2).sum() ** 0.5
|
|
inc_dirs.append(inc_dir)
|
|
out_dirs = []
|
|
for out_edge in out_edges:
|
|
start = out_edge.getShape()[0]
|
|
end = out_edge.getShape()[1]
|
|
out_dir = np.array(end) - np.array(start)
|
|
out_dir = out_dir / (out_dir ** 2).sum() ** 0.5
|
|
out_dirs.append(out_dir)
|
|
# 진입각, 진출각 불러오기
|
|
if not pd.isna(row.inc_angle):
|
|
inc_angle = int(row.inc_angle)
|
|
out_angle = int(row.out_angle)
|
|
# 방위각을 일반각으로 가공, 라디안 변환, 단위벡터로 변환
|
|
inc_angle = (-90 - inc_angle) % 360
|
|
inc_angle = inc_angle * np.pi / 180.
|
|
inc_dir_true = np.array([np.cos(inc_angle), np.sin(inc_angle)])
|
|
out_angle = (90 - out_angle) % 360
|
|
out_angle = out_angle * np.pi / 180.
|
|
out_dir_true = np.array([np.cos(out_angle), np.sin(out_angle)])
|
|
# 매칭 엣지 반환
|
|
inc_index = np.array([np.dot(inc_dir, inc_dir_true) for inc_dir in inc_dirs]).argmax()
|
|
out_index = np.array([np.dot(out_dir, out_dir_true) for out_dir in out_dirs]).argmax()
|
|
inc_edge_id = inc_edges[inc_index].getID()
|
|
out_edge_id = out_edges[out_index].getID()
|
|
match5.at[index, 'inc_edge'] = inc_edge_id
|
|
match5.at[index, 'out_edge'] = out_edge_id
|
|
match5['node_id'] = match5['inter_no'].map(inter2node)
|
|
match5 = match5.sort_values(by=['inter_no','phase_no','ring_type']).reset_index(drop=True)
|
|
return match5
|
|
|
|
def make_match6(match5, inter_node, uturn, coord, path_root):
|
|
'''
|
|
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, 진출방향A, 진출방향B 정함.
|
|
- 상술한 directions를 활용하여 정함.
|
|
- (진입방향, 진출방향A, 진출방향B)을 고려하여 (현시, 링) 별로 진입엣지id, 진출엣지id를 정함.
|
|
- ex) cmatch.loc[(cmatch.inc_dir==inc_dire) & (cmatch.out_dir==out_dire_A), ['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.
|
|
'''
|
|
|
|
node2inter = dict(zip(inter_node['node_id'], inter_node['inter_no']))
|
|
|
|
child_ids = inter_node[inter_node.inter_type=='child'].node_id.unique()
|
|
ch2pa = {} # child to parent
|
|
for child_id in child_ids:
|
|
parent_no = inter_node[inter_node.node_id==child_id].inter_no.iloc[0]
|
|
sub_inter_node = inter_node[inter_node.inter_no==parent_no]
|
|
ch2pa[child_id] = sub_inter_node[sub_inter_node.inter_type=='parent'].iloc[0].node_id
|
|
directions = ['북', '북동', '동', '남동', '남', '남서', '서', '북서'] # 정북기준 시계방향으로 8방향
|
|
|
|
# 각 uturn node에 대하여 (inc_edge_id, out_edge_id) 부여
|
|
cmatches = []
|
|
for _, row in uturn.iterrows():
|
|
child_id = row.child_id
|
|
parent_id = row.parent_id
|
|
direction = row.direction
|
|
condition = row.condition
|
|
inc_edge_id = row.inc_edge
|
|
out_edge_id = row.out_edge
|
|
# match5에서 parent_id에 해당하는 행들을 가져옴
|
|
cmatch = match5.copy()[match5.node_id==parent_id] # match dataframe for a child node
|
|
cmatch = cmatch.sort_values(by=['phase_no', 'ring_type']).reset_index(drop=True)
|
|
cmatch['node_id'] = child_id
|
|
cmatch[['inc_edge', 'out_edge']] = np.nan
|
|
|
|
# condition 별로 inc_dire, out_dire_A, out_dire_B를 정함
|
|
ind = directions.index(direction)
|
|
if condition == "좌회전시":
|
|
inc_dire = direction
|
|
out_dire_A = out_dire_B = directions[(ind + 2) % len(directions)]
|
|
elif condition == "직진시":
|
|
inc_dire = direction
|
|
out_dire_A = out_dire_B = directions[(ind + 4) % len(directions)]
|
|
elif condition == "보행신호시":
|
|
inc_dire = directions[(ind + 2) % len(directions)]
|
|
out_dire_A = directions[(ind - 2) % len(directions)]
|
|
out_dire_B = directions[(ind - 2) % len(directions)]
|
|
|
|
# (inc_dire, out_dire_A, out_dire_B) 별로 inc_edge_id, out_edge_id를 정함
|
|
if condition == '보행신호시':
|
|
cmatch.loc[(cmatch.inc_dir==inc_dire) & (cmatch.out_dir==out_dire_A), ['inc_edge', 'out_edge']] = [inc_edge_id, out_edge_id]
|
|
cmatch.loc[(cmatch.inc_dir==inc_dire) & (cmatch.out_dir==out_dire_B), ['inc_edge', 'out_edge']] = [inc_edge_id, out_edge_id]
|
|
# 이동류번호가 17(보행신호)이면서 유턴노드방향으로 가는 신호가 없으면 (inc_edge_id, out_edge_id)를 부여한다.
|
|
cmatch.loc[(cmatch.move_no==17) & (cmatch.out_dir!=direction), ['inc_edge', 'out_edge']] = [inc_edge_id, out_edge_id]
|
|
else: # '직진시', '좌회전시'
|
|
cmatch.loc[(cmatch.inc_dir==inc_dire) & (cmatch.out_dir==out_dire_A), ['inc_edge', 'out_edge']] = [inc_edge_id, out_edge_id]
|
|
cmatch.loc[(cmatch.inc_dir==inc_dire) & (cmatch.out_dir==out_dire_B), ['inc_edge', 'out_edge']] = [inc_edge_id, out_edge_id]
|
|
# 유턴신호의 이동류번호를 19로 부여한다.
|
|
cmatch.loc[(cmatch.inc_dir==inc_dire) & (cmatch.out_dir==out_dire_A), 'move_no'] = 19
|
|
cmatch.loc[(cmatch.inc_dir==inc_dire) & (cmatch.out_dir==out_dire_B), 'move_no'] = 19
|
|
cmatches.append(cmatch)
|
|
|
|
# 각 coordination node에 대하여 (inc_edge_id, out_edge_id) 부여
|
|
coord['inter_no'] = coord['parent_id'].map(node2inter)
|
|
coord = coord.rename(columns={'child_id':'node_id'})
|
|
coord[['inc_dir', 'out_dir', 'inc_angle','out_angle']] = np.nan
|
|
coord['move_no'] = 20
|
|
coord = coord[['inter_no', 'phase_no', 'ring_type', 'move_no', 'inc_dir', 'out_dir', 'inc_angle','out_angle', 'inc_edge', 'out_edge', 'node_id']]
|
|
|
|
# display(coord)
|
|
cmatches = pd.concat(cmatches)
|
|
match6 = pd.concat([match5, cmatches, coord]).drop_duplicates().sort_values(by=['inter_no', 'node_id', 'phase_no', 'ring_type'])
|
|
match6.to_csv(os.path.join(path_root, 'Intermediates', 'match6.csv'))
|
|
return match6
|
|
|
|
def make_matching(match6, inter_node, nema, path_root):
|
|
'''
|
|
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
|
|
'''
|
|
|
|
match7 = match6.copy()
|
|
match7 = match7[['inter_no', 'move_no', 'inc_dir', 'out_dir', 'inc_edge', 'out_edge', 'node_id']]
|
|
|
|
parent_ids = sorted(inter_node[inter_node.inter_type=='parent'].node_id.unique())
|
|
child_ids = sorted(inter_node[inter_node.inter_type=='child'].node_id.unique())
|
|
|
|
# (1) 가능한 (진입방향, 진출방향) 목록
|
|
flows = nema.dropna().apply(lambda row: (row['inc_dir'], row['out_dir']), axis=1).tolist()
|
|
# (2) 각 교차로별 방향 목록 : pdires (possible directions)
|
|
pdires = {}
|
|
for node_id in parent_ids:
|
|
dires = match7[match7.node_id == node_id][['inc_dir','out_dir']].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 parent_ids:
|
|
for inc_dir in pdires[node_id]:
|
|
df = match7[(match7.node_id==node_id) & (match7.inc_dir==inc_dir)]
|
|
inc2id[(node_id, inc_dir)] = df.inc_edge.iloc[0]
|
|
# (4) 각 (교차로, 진출방향) 별 진출id 목록 : out2id (outgoing direction to outgoing edge_id)
|
|
out2id = {}
|
|
for node_id in parent_ids:
|
|
for out_dir in pdires[node_id]:
|
|
df = match7[(match7.node_id==node_id) & (match7.out_dir==out_dir)]
|
|
out2id[(node_id, out_dir)] = df.out_edge.iloc[0]
|
|
# (5) 각 교차로별 가능한 (진입방향, 진출방향) 목록 : pflow (possible flows)
|
|
pflow = {}
|
|
for node_id in parent_ids:
|
|
pflow[node_id] = [flow for flow in flows if set(flow).issubset(pdires[node_id])]
|
|
# (6) 가능한 이동류에 대하여 진입id, 진출id 배정 : matching
|
|
node2inter = dict(zip(match7['node_id'], match7['inter_no']))
|
|
dires_right = ['북', '서', '남', '동', '북'] # ex (북, 서), (서, 남) 등은 우회전 flow
|
|
matching = []
|
|
for node_id in parent_ids:
|
|
inter_no = node2inter[node_id]
|
|
# 좌회전과 직진(1 ~ 16)
|
|
for (inc_dir, out_dir) in pflow[node_id]:
|
|
move_no = nema[(nema.inc_dir==inc_dir) & (nema.out_dir==out_dir)].move_no.iloc[0]
|
|
inc_edge = inc2id[(node_id, inc_dir)]
|
|
out_edge = out2id[(node_id, out_dir)]
|
|
new_row = pd.DataFrame({'inter_no':[inter_no], 'move_no':[move_no],
|
|
'inc_dir':[inc_dir], 'out_dir':[out_dir],
|
|
'inc_edge':[inc_edge], 'out_edge':[out_edge], 'node_id':[node_id]})
|
|
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_edge':[None]*2, 'out_edge':[None]*2, 'node_id':[node_id]*2})
|
|
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)]
|
|
new_row = pd.DataFrame({'inter_no':[inter_no], 'move_no':[21],
|
|
'inc_dir':[inc_dir], 'out_dir':[out_dir],
|
|
'inc_edge':[inc_edge], 'out_edge':[out_edge], 'node_id':[node_id]})
|
|
matching.append(new_row)
|
|
matching.append(match7[match7.node_id.isin(child_ids)])
|
|
matching = pd.concat(matching)
|
|
matching = matching.dropna().sort_values(by=['inter_no', 'node_id', 'move_no']).reset_index(drop=True)
|
|
matching['move_no'] = matching['move_no'].astype(int)
|
|
matching.to_csv(os.path.join(path_root, 'Intermediates', 'matching.csv'))
|
|
return matching
|
|
|
|
def make_movements(path_root):
|
|
movements_path = os.path.join(path_root, 'Intermediates', 'movement')
|
|
movements_list = [pd.read_csv(os.path.join(movements_path, file), index_col=0) for file in tqdm(os.listdir(movements_path), desc='이동류정보 불러오는 중 : movements')]
|
|
movements = pd.concat(movements_list)
|
|
movements = movements.drop(columns=['start_unix'])
|
|
movements = movements.drop_duplicates()
|
|
movements = movements.sort_values(by=['inter_no', 'phas_A', 'phas_B'])
|
|
movements = movements.reset_index(drop=True)
|
|
movements.to_csv(os.path.join(path_root, 'Intermediates', 'movements.csv'))
|
|
return movements
|
|
|
|
# node2num_cycles : A dictionary that maps a node_id to the number of cycles
|
|
def get_node2num_cycles(plan, inter_node, path_root):
|
|
node2inter = dict(zip(inter_node['node_id'], inter_node['inter_no']))
|
|
node_ids = sorted(inter_node.node_id.unique())
|
|
|
|
Aplan = plan.copy()[['inter_no'] + [f'dura_A{j}' for j in range(1,9)] + ['cycle']]
|
|
grouped = Aplan.groupby('inter_no')
|
|
df = grouped.agg({'cycle': 'min'}).reset_index()
|
|
df = df.rename(columns={'cycle': 'min_cycle'})
|
|
df['num_cycle'] = 300 // df['min_cycle'] + 2
|
|
inter2num_cycles = dict(zip(df['inter_no'], df['num_cycle']))
|
|
node2numcycles = {node_id : inter2num_cycles[node2inter[node_id]] for node_id in node_ids}
|
|
with open(os.path.join('Intermediates','node2numcycles.json'), 'w') as file:
|
|
json.dump(node2numcycles, file, indent=4)
|
|
return node2numcycles
|
|
|
|
def main():
|
|
path_root = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
|
|
|
|
inter_info = pd.read_csv(os.path.join(path_root, 'Data', 'tables', 'inter_info.csv'))
|
|
check_inter_info(inter_info)
|
|
angle = pd.read_csv(os.path.join(path_root, 'Data', 'tables', 'angle.csv'), dtype = {f'angle_{alph}{j}':'str' for alph in ['A', 'B'] for j in range(1,9)})
|
|
plan = pd.read_csv(os.path.join(path_root, 'Data', 'tables', 'plan.csv'))
|
|
inter_node = pd.read_csv(os.path.join(path_root, 'Data', 'tables', 'inter_node.csv'))
|
|
uturn = pd.read_csv(os.path.join(path_root, 'Data', 'tables', 'child_uturn.csv'))
|
|
coord = pd.read_csv(os.path.join(path_root, 'Data', 'tables', 'child_coord.csv'))
|
|
nema = pd.read_csv(os.path.join(path_root, 'Data', 'tables', 'nema.csv'), encoding='cp949')
|
|
|
|
net = sumolib.net.readNet(os.path.join(path_root, 'Data', 'networks', 'sn.net.xml'))
|
|
|
|
match1 = make_match1(path_root)
|
|
match2 = make_match2(match1)
|
|
match3 = make_match3(match2, nema)
|
|
match4 = make_match4(match3, angle)
|
|
match5 = make_match5(match4, net, inter_node, inter_info)
|
|
match6 = make_match6(match5, inter_node, uturn, coord, path_root)
|
|
matching = make_matching(match6, inter_node, nema, path_root)
|
|
movements = make_movements(path_root)
|
|
node2num_cycles = get_node2num_cycles(plan, inter_node, path_root)
|
|
|
|
if __name__ == '__main__':
|
|
main()
|