unlimitbladeworks / traffic-monitorLinks
基于高德地图的交通数据分析
☆93Updated 5 years ago
Alternatives and similar repositories for traffic-monitor
Users that are interested in traffic-monitor are comparing it to the libraries listed below
Sorting:
- 上海市交通流量时空模式挖掘☆57Updated 8 years ago
- 城市交通流量时空预测---山东省数据应用(青岛)创新创业大赛。http://sdac.qingdao.gov.cn/common/cmptIndex.html☆37Updated 5 years ago
- Tutorial of geospatial data processing using python 用python分析时空数据的教程(in Chinese and English )☆465Updated 3 years ago
- 一个交通大数据可视化系统☆25Updated 8 years ago
- 百度以及高德地图POI数据和POI边界坐标数据(目前仅限百度)爬取代码,采用Python编写☆399Updated 5 years ago
- 2019新冠肺炎疫情染病人数预测,用SIR模型。☆101Updated 5 years ago
- 房价预测完整项目:1.爬取链家网数据 2.处理后,用sklearn中几个逻辑回归机器学习模型和keras神经网络搭建模型预测房价 最终结果神经网络效果更好,R^2值0.75左右☆244Updated 6 years ago
- 城市群体驻留与交通流量时空模式研究☆12Updated 8 years ago
- 交通规划交通量预测的四步模型代码化☆19Updated 5 years ago
- 包括百度地图,高德地图,谷歌地图的POI抓取☆48Updated 7 years ago
- 此项目提供在中国大学慕课《数据挖掘与python实践》在线课程的代码及相关资料。课程链接如下:https://www.icourse163.org/course/CUFE-1207262801☆39Updated last year
- 新浪微博的爬虫☆81Updated last year
- 天池DCIC2020船只轨迹数据挖掘比赛算法阶段Rank 3解决方案:☆111Updated 3 years ago
- WGS84 / BD09 / GCJ02 经纬度坐标互转,基于numpy列运算☆29Updated 3 years ago
- 基于深度学习的共享单车预测与调度解决方案,使用神经网络构建单车需求量与时间段和地理画像的关联,预测不同区域单车需求量;使用蚁群算法规划最优单车调度路径。☆110Updated 6 years ago
- 腾云阁高精度车辆追踪算法大赛。给定地图数据和汽车的gps定位数据,通过地图匹配算法得出汽车行驶过了哪些道路☆113Updated 6 years ago
- 数据挖掘大作业, 东野圭吾小说集文本挖掘☆72Updated 8 years ago
- 这个项目是基于高德开放平台和公交网获取公交线路及站点数据,并生成shp文件,代码相对粗糙,但简单可用☆12Updated 5 years ago
- 阿里天池智慧交通预测挑战赛-Top7 /1716队☆13Updated 7 years ago
- 杭州市群体驻留时空模式挖掘☆20Updated 8 years ago
- 《交通大数据理论与方法》☆175Updated 3 years ago
- 针对新冠病毒疫情数据的清洗脚本和清洗后的数据,数据源使用 https://github.com/BlankerL/DXY-COVID-19-Data 的每日抓取数据☆96Updated 5 years ago
- 基于卡口实时过车数据进行交通流量的实时预测分析,使用LSTM循环神经网络模型进行融合预测,准确率达到90%以上。☆57Updated 5 years ago
- 数据分析,挖掘建模。☆212Updated 3 years ago
- 武汉2019新型冠状病毒疫 情可视化(全国疫情地图及时间轴变化)☆89Updated 2 years ago
- 交通时空大数据分析与挖掘☆14Updated 3 years ago
- 天池全球城市计算AI挑战赛-地铁人流量预测 A榜22/2319☆135Updated 6 years ago
- plot_map包提供了在matplotlib上绘制地图底图的功能☆57Updated 3 years ago
- Python爬取微博,采集的数据属性如下:微博内容,是否原创,转发内容,发布时间,转发数,评论数,点赞数,设备源,微博ID。对于抓取到的页面源码分析不同属性对应的标签分别提取数据。最后将采集到的数据保存为csv格式,供数据分析使用。☆37Updated 6 years ago
- python爬虫及数据分析实战案例☆42Updated 5 years ago