一、引言
全球定位系统(GPS)是现代技术的支柱之一,广泛应用于交通导航、科学研究、智能设备等领域。GPS接收机通过接收来自卫星的信号,确定设备的地理位置,并将这些位置信息记录在数据文件中。
这些数据文件通常包含大量的信息,如时间、位置、海拔高度、卫星状态等。本篇文章将通过解析这些数据文件,展示如何利用Python和Folium库实现数据的读取、处理和可视化,帮助读者深入理解GPS数据的处理过程。
二、GPS数据概述
2.1 GPS工作原理
GPS通过接收至少四颗卫星的信号来确定设备的位置。这些信号包含了卫星的时间和位置数据,接收机通过三角测量法计算出用户的经度、纬度和海拔高度。这些计算结果通常被记录在NMEA(National Marine Electronics Association)格式的数据文件中。
2.2 NMEA 0183协议简介
NMEA 0183是一种标准的GPS数据通信协议,用于描述从GPS接收机发送到其他设备的信号。NMEA语句以"$"开头,常见的语句类型包括GPGGA、GPRMC等。本文重点关注的GPGGA语句包含了最重要的定位信息,如经纬度、海拔高度、卫星状态等。
三、GPGGA语句解析
3.1 GPGGA语句结构详解
GPGGA语句是GPS接收机输出的关键数据类型之一,提供了精确的位置和状态信息。典型的GPGGA语句结构如下:
$GPGGA,123519,4807.038,N,01131.000,E,1,08,0.9,545.4,M,46.9,M,,*47
这条语句由多个字段组成,分别表示:
- UTC时间:123519 表示12:35:19
- 纬度:4807.038,N 表示48度07.038分北纬
- 经度:01131.000,E 表示11度31.000分东经
- 定位质量:1 表示GPS定位已有效
- 使用的卫星数量:08 表示共使用了8颗卫星
- 水平精度因子(HDOP):0.9
- 海拔高度:545.4 表示海拔高度为545.4米
- 地球椭球面相对于海平面的高度:46.9米
- 校验和:*47 用于验证语句的完整性
3.2 解析GPGGA语句的代码实现
解析GPGGA语句的关键在于将语句分解为各个字段,并将这些字段转换为易于处理的格式。以下Python代码展示了如何实现这一过程:
import re def parse_gpgga(sentence): fields = sentence.split(',') if len(fields) < 10: print("Error: Not enough fields in the sentence") return {} try: latitude = float(fields[2][:2]) + float(fields[2][2:]) / 60.0 longitude = float(fields[4][:3]) + float(fields[4][3:]) / 60.0 latitude_direction = fields[3] longitude_direction = fields[5] fix_quality = fields[6] satellites = int(fields[7]) altitude = float(fields[9]) except ValueError as e: print(f"ValueError: {e}") return {} return { 'time': fields[1], 'latitude': latitude if latitude_direction == 'N' else -latitude, 'longitude': longitude if longitude_direction == 'E' else -longitude, 'fix_quality': fix_quality, 'satellites': satellites, 'altitude': altitude, }
在这段代码中,parse_gpgga 函数首先检查语句的字段数量是否足够,然后解析出时间、纬度、经度、卫星状态等信息,并以字典形式返回。错误处理部分确保了在解析过程中遇到数据格式问题时,程序能够安全退出并输出相关错误信息。
四、批量解析GPS数据文件
4.1 GPS数据文件的组织结构
在实际应用中,GPS数据通常存储在多个文件中,每个文件记录一段时间内的位置信息。为了有效处理这些数据,我们需要编写代码从多个文件中批量读取并解析GPS数据。假设这些文件存储在一个目录中,每个文件名以日期和时间命名,如 lh-2024-07-23-095738.txt。
4.2 文件批量处理代码实现
以下代码展示了如何从指定目录中批量读取所有的GPS数据文件,并调用之前定义的 parse_gpgga 函数对其进行解析。
import os def parse_gps_data(file_path): gps_data = [] with open(file_path, 'r', encoding='utf-8') as file: for line in file: if re.search(r'\$GPGGA,[^$]+', line): data = parse_gpgga(line) if data: gps_data.append(data) return gps_data def batch_parse_gps_files(directory): all_gps_data = [] for filename in os.listdir(directory): if filename.endswith(".txt"): file_path = os.path.join(directory, filename) print(f"Processing file: {file_path}") gps_data = parse_gps_data(file_path) print(f"Parsed data from {filename}: {gps_data}") all_gps_data.extend(gps_data) return all_gps_data
在此代码中,batch_parse_gps_files 函数遍历指定目录中的所有文件,并依次解析每个文件中的GPS数据。最终返回一个包含所有GPS数据的列表。这样就可以对大量GPS数据进行批量处理,极大地提高了效率。
五、GPS数据的可视化
数据可视化是分析和理解GPS数据的关键步骤。通过将GPS数据可视化,可以直观地展示设备的运动轨迹和位置变化。Folium库是Python中用于生成交互式地图的强大工具,下面我们将展示如何利用Folium将GPS数据绘制在地图上。
5.1 Folium库的介绍
Folium是一个基于Leaflet.js的Python库,可以生成丰富的地图展示。它支持多种地图样式,包括OpenStreetMap、Stamen Terrain、Google地图等。Folium还允许在地图上添加标记、线条、多边形等元素,并支持自定义样式,使其非常适合用于GPS数据的可视化。
5.2 地图样式与图层控制
为了丰富地图的展示效果,我们可以在Folium中添加多个图层,并通过图层控制器切换不同的地图样式。以下代码展示了如何在Folium中使用OpenStreetMap作为基础图层,同时添加Google卫星地图作为可选图层。
import folium def visualize_gps_data(gps_data): if not gps_data: print("No GPS data available to visualize.") return map_center = [gps_data[0]['latitude'], gps_data[0]['longitude']] gps_map = folium.Map(location=map_center, zoom_start=14, tiles='OpenStreetMap') folium.TileLayer( tiles='https://mt1.google.com/vt/lyrs=s&x={x}&y={y}&z={z}', name='Google Satellite', attr='© Google' ).add_to(gps_map) folium.LayerControl().add_to(gps_map)
在上述代码中,folium.Map 函数创建了一个以OpenStreetMap为基础的地图,folium.TileLayer 用于添加Google卫星图层,并通过 folium.LayerControl 添加图层控制器,允许用户在不同的图层之间切换。
5.3 GPS数据的标记与展示
接下来,我们将解析得到的GPS数据添加到地图上。为了防止过多的重复数据导致标记重叠,我们首先对GPS数据进行去重处理,然后使用 folium.CircleMarker 添加标记。
def visualize_gps_data(gps_data): if not gps_data: print("No GPS data available to visualize.") return map_center = [gps_data[0]['latitude'], gps_data[0]['longitude']] gps_map = folium.Map(location=map_center, zoom_start=14, tiles='OpenStreetMap') folium.TileLayer( tiles='https://mt1.google.com/vt/lyrs=s&x={x}&y={y}&z={z}', name='Google Satellite', attr='© Google' ).add_to(gps_map) folium.LayerControl().add_to(gps_map) unique_gps_data = [] seen = set() for data in gps_data: coord = (data['latitude'], data['longitude']) if coord not in seen: unique_gps_data.append(data) seen.add(coord) for data in unique_gps_data: print(f"Adding marker at ({data['latitude']}, {data['longitude']})") folium.CircleMarker( [data['latitude'], data['longitude']], radius=0.5, color='red', fill=True, fill_color='red', fill_opacity=0.8 ).add_to(gps_map) gps_map.save('gps_map.html')
此代码的主要功能是将解析出的GPS数据以红色圆圈的形式标记在地图上,并以适当的缩放级别显示地图。最终生成的地图将被保存为HTML文件,可以在浏览器中查看。
5.4 解决白色轨迹线问题
在使用Folium进行GPS数据可视化时,有时会遇到标记点之间出现白色轨迹线的问题,这通常是由于地图渲染器的处理导致的。为了避免这个问题,我们通过调整标记的样式,如半径、颜色和透明度等,来减少视觉干扰。
folium.CircleMarker( [data['latitude'], data['longitude']], radius=0.5, color='red', fill=True, fill_color='red', fill_opacity=0.8 ).add_to(gps_map)
通过使用较小的标记半径和高透明度的颜色,我们可以显著降低白色轨迹线的出现几率,使地图显示更加清晰。
六、项目实践应用:从数据采集到可视化展示
在实际项目中,GPS数据的处理和展示往往是一个复杂的过程,涉及到数据的采集、解析、清洗、处理和最终的可视化展示。通过本文的示例代码,读者可以完整地体验这个过程,从而能够在实际应用中实现更复杂的GPS数据处理和分析。
6.1 机器采集数据(.txt)
6.2 文件(.txt)部分关键信息
6.3 项目代码
import os import folium import sys import re def parse_gpgga(sentence): fields = sentence.split(',') if len(fields) < 10: print("Error: Not enough fields in the sentence") return {} try: latitude = float(fields[2][:2]) + float(fields[2][2:]) / 60.0 longitude = float(fields[4][:3]) + float(fields[4][3:]) / 60.0 latitude_direction = fields[3] longitude_direction = fields[5] fix_quality = fields[6] satellites = int(fields[7]) altitude = float(fields[9]) except ValueError as e: print(f"ValueError: {e}") return {} return { 'time': fields[1], 'latitude': latitude if latitude_direction == 'N' else -latitude, 'longitude': longitude if longitude_direction == 'E' else -longitude, 'fix_quality': fix_quality, 'satellites': satellites, 'altitude': altitude, } def parse_gps_data(file_path): gps_data = [] with open(file_path, 'r', encoding='utf-8') as file: for line in file: # print(f"Reading line: {line.strip()}") # 添加调试输出 if re.search(r'\$GPGGA,[^$]+', line): data = parse_gpgga(line) if data: # 检查是否成功解析数据 gps_data.append(data) return gps_data def batch_parse_gps_files(directory): all_gps_data = [] for filename in os.listdir(directory): if filename.endswith(".txt"): file_path = os.path.join(directory, filename) print(f"Processing file: {file_path}") # 调试输出 gps_data = parse_gps_data(file_path) print(f"Parsed data from {filename}: {gps_data}") # 调试输出 all_gps_data.extend(gps_data) return all_gps_data def visualize_gps_data(gps_data): if not gps_data: print("No GPS data available to visualize.") return map_center = [gps_data[0]['latitude'], gps_data[0]['longitude']] gps_map = folium.Map(location=map_center, zoom_start=14, tiles='OpenStreetMap') folium.TileLayer( tiles='https://mt1.google.com/vt/lyrs=s&x={x}&y={y}&z={z}', name='Google Satellite', attr='© Google' ).add_to(gps_map) folium.LayerControl().add_to(gps_map) unique_gps_data = [] seen = set() for data in gps_data: coord = (data['latitude'], data['longitude']) if coord not in seen: unique_gps_data.append(data) seen.add(coord) for data in unique_gps_data: print(f"Adding marker at ({data['latitude']}, {data['longitude']})") folium.CircleMarker( [data['latitude'], data['longitude']], radius=0.5, # 半径大小 color='red', # 边框颜色 fill=True, fill_color='red', # 填充颜色 fill_opacity=0.8 ).add_to(gps_map) gps_map.save('gps_map.html') if __name__ == '__main__': # 自定义路径 directory = "F:\\notebookComputer\\20240723\\101711_ND03_ruprtpldbyihyjhh_gpslog\\gps\\log\\lhd" parsed_gps_data = batch_parse_gps_files(directory) # 使用正确的路径变量 visualize_gps_data(parsed_gps_data)
6.4 运行保存文件:gps_map.html
6.5 打开文件轨迹效果:Google地图
七、总结
本文通过详细的步骤展示了如何解析GPS接收机生成的GPGGA语句,并利用Folium库将这些数据进行可视化展示。通过这一过程,读者不仅可以掌握GPS数据的基本处理方法,还能深入了解如何在Python中实现复杂的数据可视化并在此基础上扩展到更复杂的应用场景,进一步提升对GPS数据的理解和应用能力。希望这些内容能够为读者在相关领域的开发和研究提供有益的参考。
作者:Rjdeng