1 generate_staypoints
trackintel.preprocessing.generate_staypoints(
positionfixes,
method='sliding',
distance_metric='haversine',
dist_threshold=100,
time_threshold=5.0,
gap_threshold=15.0,
include_last=False,
print_progress=False,
exclude_duplicate_pfs=True,
n_jobs=1)从位置修正（positionfixes）生成停留点（staypoints）。这是一种通过滑动窗口方法来分析用户在特定位置的停留情况
| positionfixes | 位置修正数据 |
| method | 创建停留点的方法，‘sliding’表示应用滑动窗口 |
| distance_metric | ({'haversine'}) 应用方法使用的距离度量 |
| dist_threshold | ‘sliding’方法的距离阈值，即用户必须移动多远才能生成新的停留点。 如果使用‘haversine’度量，单位是米。 |
| time_threshold | ‘sliding’方法的时间阈值（分钟） |
| gap_threshold | 时间间隙大于‘gap_threshold’的连续位置修正将被排除在停留点生成之外 |
| include_last | (boolean, 默认 False)；根据 Li 等人（2008）的算法，仅在用户离开该停留点时才检测到停留点。 这将省略最后一个停留点（如果有的话）。设置‘include_last’为 True 可以包含这最后一个停留点。 |
| print_progress | 如果设置为 True，则显示每个用户的进度 |
| exclude_duplicate_pfs | 在生成停留点前过滤重复的位置修正。 重复的位置修正可能导致后续处理步骤（例如生成三段）出现问题。不建议将此设置为 False |
| n_jobs | 同时运行的最大作业数。 如果为 -1，则使用所有 CPU。 如果给定 1，则完全不使用并行计算代码，这有助于调试 |
返回内容：
| pfs | 带有新列[staypoint_id]的原始位置修正 |
| sp | 生成的停留点 |
2 create_activity_flag
trackintel.analysis.create_activity_flag(
staypoints,
method='time_threshold',
time_threshold=15.0,
activity_column_name='is_activity')用于在停留点（staypoints）中添加一个标志，以基于时间阈值确定是否将某个停留点视为活动
| staypoints | 停留点数据 |
| method | ‘time_threshold’：所有持续时间超过时间阈值的停留点都被视为活动 |
| time_threshold | 将停留点视为活动的时间阈值（分钟） 如果一个用户在某一地点停留超过设定的时间阈值（例如15分钟），这个停留点就被认为是用户进行某种活动的地点 |
| activity_column_name | 新创建的包含活动标志的列的名称 |
3 generate_triplegs
trackintel.preprocessing.generate_triplegs(
positionfixes,
staypoints=None,
method='between_staypoints',
gap_threshold=15)从位置修正（positionfixes）生成行程段（triplegs）【非staypoint的部分，连续的是一个tripleg】
| positionfixes | 如果未找到‘staypoint_id’列，则需要提供‘staypoints’ |
| staypoints | 与位置修正对应的停留点（staypoints） 如果没有传递此参数，位置修正需要与之关联的‘staypoint_id’ |
| method | 创建行程段的方法。 ‘between_staypoints’方法将所有位于两个停留点之间的位置修正定义为一个行程段（没有重叠）。 ‘overlap_staypoints’方法也将所有位于两个停留点之间的位置修正定义为一个行程段，并包括停留点的坐标。 后者方法需要位置修正具有‘staypoint_id’列，并且需要传递停留点作为输入。 |
| gap_threshold | 允许的最大时间间隙大小（分钟）。如果跟踪数据在超过 gap_threshold 分钟内缺失，则将生成一个新的行程段。 |
返回值
| pfs | 带有新列[tripleg_id]的原始位置修正 |
| tpls | 生成的行程段 |
4 generate_trips
trackintel.preprocessing.triplegs.generate_trips(
staypoints,
triplegs,
gap_threshold=15,
add_geometry=True)基于提供的停留点和行程段数据集构建
| staypoints | 停留点数据 |
| triplegs | 行程段数据 |
| gap_threshold | 指定连续行程段之间可以经过的最大时间（以分钟计），以便将它们视为同一行程的一部分。 如果间隔超过此阈值，则开始新的行程 |
| add_geometry | 如果设置为 True，函数将计算并添加每次行程的地理起点和终点到输出中。 这有助于可视化和空间分析，但可以禁用以提高处理速度 |
| print_progress | 当 True 时，显示进度条以跟踪函数的执行进度，这对于大型数据集很有用 |
返回内容
| sp | 增强的停留点数据集 现在包括额外的列，以指示停留点与行程的关系，如 |
| tpls | 增强的行程段数据集 包括一个新列 |
| trips | 一个包含从输入数据生成的行程的新数据集。 每个行程是在重要活动之间的移动的总结。 |
5 temporal_tracking_quality
根据数据的粒度（如天、周、工作日或小时）计算每个用户的时间跟踪质量。
这个指标对于评估移动跟踪数据的完整性和可靠性至关重要。
trackintel.analysis.temporal_tracking_quality(
source,
granularity='all')| source | 用于计算时间跟踪质量的源数据框。它必须包含 ['user_id', 'started_at', 'finished_at'] 列 |
| granularity | 指定计算跟踪质量的详细级别。这些选项允许从多种时间视角进行分析：
|
6 generate_locations
从停留点生成位置
trackintel.preprocessing.generate_locations(
staypoints,
method='dbscan',
epsilon=100,
num_samples=1,
distance_metric='haversine',
agg_level='user',
activities_only=False,
print_progress=False,
n_jobs=1)| staypoints | 要处理的停留点数据集 |
| method | 创建位置的方法。目前支持的是 DBSCAN 算法，适用于基于密度的聚类 |
| epsilon | DBSCAN 方法的邻域半径，单位是米 |
| num_samples | 形成聚类所需的最小停留点数量 |
| distance_metric | {'haversine', 'euclidean'} 用于计算点之间距离的度量 |
| agg_level | 生成位置的聚合级别：
|
| activities_only | 如果设置为 True，则仅从“activity”列值为 True 的停留点生成位置，适用于活动代表更重要的地点 |
| print_progress | 如果设置为 True，函数执行期间将显示进度条，这有助于监控大型数据集中的进程 |
| n_jobs | 制并行运行的作业数量。设置为 -1 使用所有可用的 CPU 加速处理，而 1 表示不使用任何并行计算代码，这有助于调试 |
返回值
| sp | 修改后的停留点数据集，新增了一个 location_id 列，将每个停留点链接到相应的位置 |
| locs | 包含生成的位置的新数据集。 每个位置包括几何信息，如中心点（ |
7 merge_staypoints
基于时间阈值聚合停留点，有效地合并在指定时间间隔内发生的相邻停留点
trackintel.preprocessing.merge_staypoints(
staypoints,
triplegs,
max_time_gap='10min',
agg={})| staypoints | 包含带有 location_id 列的停留点，该列可以使用 generate_locations 函数生成 |
| triplegs | 行程段数据。两个停留点之间存在行程段将阻止这些停留点被合并 |
| max_time_gap | 允许两个停留点之间的最大持续时间，以便它们被考虑合并 |
| agg | 一个字典，指定合并停留点后如何聚合列 |
![深入解析.[datastore@cyberfear.com].mkp勒索病毒：威胁与防范](https://img-blog.csdnimg.cn/direct/5ed9a5c51214460eaa9e736a850e31bf.jpeg)
