Trackintel 是一个用于分析时空轨迹点数据，重点关注于人员流动（human mobility）研究的开源python框架，其核心是交通规划领域内知名的多层次移动数据模型。
我们为人类移动数据的整个数据分析周期提供功能支持：包括不同类别轨迹点数据的读取与写入(例如trackpoints，check-ins，trajectories)，数据预处理，数据质量评估，语义丰富，定量分析和挖掘任务，和数据与结果的可视化。
Trackintel 是基于 Pandas 和GeoPandas的扩展框架。
数据模型
Trackintel数据模型概述：
• positionfixes （原始轨迹点，如GPS记录和check-ins）
• staypoints （用户一定时间内静止的位置, 如positionfixes或者check-ins的集合）
• activities （具有目的和语义标签的staypoints，如去咖啡店喝咖啡）
• locations （多次访问的重要地点, 如家或者工作地）
• triplegs （或stages） （连续移动而不改变移动模式，如上车与下车点之间的计程车旅途）
• trips （相邻activity之间所有的triplegs的集合）
• tours （返回到相同location的相连trips的集合）
功能说明
通过我们提供的I/O模块任何与上述运动数据模型相对应的数据都可以进入trackintel框架。 以下是我们提供的一些功能：
• Import: 支持从以下数据格式导入：geopandas数据框（推荐），指定格式的csv文件，postGIS数据库。我们为知名的公共数据集（例如Geolife）提供了特定的数据集读取方式。
• Aggregation: 我们提供函数以生成到不同的数据模型。如从positionfixes到staypoints，从positionfixes到triplegs，从staypoints到locations，从staypoints与triplegs到trips，和从trips到tours。
• Enrichment: 如推测staypoints的活动语义，推测triplegs的运动模式，推测locations的高级语义等。
效果图（正在更新）
多用户轨迹可视化：
Staypoints 与Trips可视化：
更多的数据预处理和数据分析的可视化结果请查阅Trackintel帮助文档。
项目主页
Trackintel 下载地址：GitHub主页
Trackintel 帮助文档：最新文档
相关论文
联系方式
Trackintel框架正在积极迭代与开发当中，新的分析功能正在逐渐加入。
我们期待更多的研究者和用户参与框架的使用和开发。
洪晔（ETH Zurich 博士生）：hongy@ethz.ch
Q.E.D.