# -*- coding: utf-8 -*-
"""
Created on Thu May  7 10:43:18 2020@author: user
"""import requests
import pandas as pd
import json
import time#初始API的URL
url="https://restapi.amap.com/v3/traffic/status/rectangle?key=申请的ak&extensions=all&rectangle="#设定整个网格左下角坐标的经纬度值
baselng=120.320805
baselat=36.098401
#设定每个网格单元的经纬度宽
widthlng=0.04
#同一维度，lng=0.01≈1000米
widthlat=0.03
#同一经度，lat=0.01≈1113米
#用于储存数据
x=[]
#用于标识交通态势线段
num=0#爬取过程可能会出错中断，因此增加异常处理
try:#循环每个网格进行数据爬取，在这里构建了3X3网格for i in range(0,3):#设定网格单元的左下与右上坐标的纬度值#在这里对数据进行处理，使之保留6位小数（不保留可能会莫名其妙出错）startlat=round(baselat+i*widthlat,6)endlat=round(startlat+widthlat,6)for j in range(0,3):#设定网格单元的左下与右上坐标的经度值startlng=round(baselng+j*widthlng,6)endlng=round(startlng+widthlng,6)#设置API的URL并进行输出测试locStr=str(startlng)+","+str(startlat)+";"+str(endlng)+","+str(endlat)thisUrl=url+locStrprint(thisUrl)#爬取数据data=requests.get(thisUrl)s=data.json()a=s["trafficinfo"]["roads"]#注意，提取数值需要使用XXX.get()的方式来实现，如a[k].get('speed')#若使用a[k]['speed']来提取，或会导致KeyError错误for k in range(0,len(a)):s2=a[k]["polyline"]s3=s2.split(";")for l in range(0,len(s3)):s4=s3[l].split(",")x.append([a[k].get('name'),a[k].get('status'),a[k].get('speed'),num,float(s4[0]),float(s4[1])])num=num+1time.sleep(0.1)#若爬取网格较多，可使用time.sleep(秒数)来避免高德的单秒API调用次数的限制
except Exception  as e:pass#将数据结构化存储至规定目录的CSV文件中
c = pd.DataFrame(x,columns=['name','status','speed','roadID','x','y'])
c.to_csv('C:/Users/user/Desktop/panchong/交通态势/traffic.csv',encoding='utf-8-sig')

# -*- coding: utf-8 -*-
"""
Created on Thu May  7 11:22:31 2020@author: user
"""#1.导入库
# -*- coding: utf-8 -*-import jsonimport urllibimport mathimport pandas as pd
import numpy as npx_pi = 3.14159265358979324 * 3000.0 / 180.0pi = 3.1415926535897932384626  # πa = 6378245.0  # 长半轴ee = 0.00669342162296594323  # 偏心率平方def gcj02_to_wgs84(lng, lat):"""GCJ02(火星坐标系)转GPS84:param lng:火星坐标系的经度:param lat:火星坐标系纬度:return:"""if out_of_china(lng, lat):return [lng, lat]dlat = _transformlat(lng - 105.0, lat - 35.0)dlng = _transformlng(lng - 105.0, lat - 35.0)radlat = lat / 180.0 * pimagic = math.sin(radlat)magic = 1 - ee * magic * magicsqrtmagic = math.sqrt(magic)dlat = (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * pi)dlng = (dlng * 180.0) / (a / sqrtmagic * math.cos(radlat) * pi)mglat = lat + dlatmglng = lng + dlngreturn [lng * 2 - mglng, lat * 2 - mglat]def _transformlat(lng, lat):ret = -100.0 + 2.0 * lng + 3.0 * lat + 0.2 * lat * lat + 0.1 * lng * lat + 0.2 * math.sqrt(math.fabs(lng))ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 *math.sin(2.0 * lng * pi)) * 2.0 / 3.0ret += (20.0 * math.sin(lat * pi) + 40.0 *math.sin(lat / 3.0 * pi)) * 2.0 / 3.0ret += (160.0 * math.sin(lat / 12.0 * pi) + 320 *math.sin(lat * pi / 30.0)) * 2.0 / 3.0return retdef _transformlng(lng, lat):ret = 300.0 + lng + 2.0 * lat + 0.1 * lng * lng + 0.1 * lng * lat + 0.1 * math.sqrt(math.fabs(lng))ret += (20.0 * math.sin(6.0 * lng * pi) + 20.0 *math.sin(2.0 * lng * pi)) * 2.0 / 3.0ret += (20.0 * math.sin(lng * pi) + 40.0 *math.sin(lng / 3.0 * pi)) * 2.0 / 3.0ret += (150.0 * math.sin(lng / 12.0 * pi) + 300.0 *math.sin(lng / 30.0 * pi)) * 2.0 / 3.0return retdef out_of_china(lng, lat):"""判断是否在国内，不在国内不做偏移:param lng::param lat::return:"""return not (lng > 73.66 and lng < 135.05 and lat > 3.86 and lat < 53.55)#2.点坐标转换
z=[]
st=pd.read_csv('C:/Users/user/Desktop/panchong/交通态势/traffic.csv')
for i in range(0,len(st)):lng=st['x'][i]lat=st['y'][i]z.append(gcj02_to_wgs84(lng,lat))
D=pd.DataFrame(z)
st['x84']=D[0]
st['y84']=D[1]
st.to_csv('C:/Users/user/Desktop/panchong/交通态势/tr84.csv')