40 feat 안심구역 기능 구현

ai/LocationAnalyzer.py

@@ -0,0 +1,127 @@
+from pyclustering.cluster.gmeans import gmeans
+from collections import Counter
+import numpy as np
+import pandas as pd
+import warnings
+
+warnings.simplefilter(action='ignore', category=FutureWarning) # FutureWarning 제거
+pd.set_option('mode.chained_assignment', None)
+
+class LocationAnalyzer:
+    def __init__(self, filename):
+        self.df = self.fileReader(filename)
+
+    # 파일 읽기
+    # 데이터 예시 (39.984702,116.318417,0,492,39744.1201851852,2008-10-23,02:53:04)
+    # (위도, 경도, 0, 고도, 1899년 이후 경과한 시간, 날짜, 시간)
+    def fileReader(self, filename):
+
+        latitude = []   # 위도
+        longitude = []  # 경도
+        date = []       # 날짜
+        time = []       # 시간
+
+        with open(filename, 'r') as file:
+            data = file.read()
+
+        # 데이터에 불필요한 부분 제거
+        # 추후 데이터 형식에 따라 수정 필요 *
+        # data = data.split('\n')[:-1]
+        data = data.split('\n')[6:-1]
+        for i in range(len(data)):
+            line = data[i].split(',')
+            latitude.append(line[0])    # 위도
+            longitude.append(line[1])   # 경도
+            #date.append(line[2])        # 날짜
+            #time.append(line[3])        # 시간
+            date.append(line[5])
+            time.append(line[6])
+        df = pd.DataFrame({"latitude":latitude, "longitude":longitude, "date":date, "time":time})
+
+
+        df['latitude'] = df['latitude'].astype(float)
+        df['longitude'] = df['longitude'].astype(float)
+        df['datetime'] = pd.to_datetime(df['date'] + ' ' + df['time'], format='%Y-%m-%d %H:%M:%S')
+        df['datetime'] = df['datetime'].dt.floor('T')
+        # 시간대와 요일 추가
+        # 시간대 형식 : f00t04 f20t24
+        # 4시간 단위로 분리
+        df['hour_block'] = 'f' + ((df['datetime'].dt.hour) // 4 * 4).astype(str).str.zfill(2) + 't' + ((df['datetime'].dt.hour + 4) // 4 * 4).astype(str).str.zfill(2)
+        df['day_of_week'] = df['datetime'].dt.day_name()
+        df = df.drop(['date', 'time'], axis=1)
+        df = df.drop_duplicates(['datetime'], ignore_index=True)
+
+        return df
+
+    # 의미장소 추출
+    def gmeansFit(self, df):
+        # 두 열을 선택하고 넘파이 배열로 변환
+        selectedColumns = ['latitude', 'longitude']
+        resultList = df[selectedColumns].values.tolist()    # 리스트로 변환
+
+        gmeansInstance = gmeans(resultList).process()       # 클러스터링
+
+        centers = gmeansInstance.get_centers()              # 클러스터의 중심 (의미장소)
+        clusters = gmeansInstance.get_clusters()            # 분류된 클러스터
+
+
+        return clusters, centers
+
+    # 호출 함수
+    def gmeansFunc(self):
+
+
+        clusters, centers = self.gmeansFit(self.df)
+
+        data_df = pd.DataFrame({"clusters":clusters, "centers":centers})
+
+        for k in range(len(data_df.clusters)):
+            if (len(data_df.clusters[k]) < 10):
+                data_df.drop(index=k, inplace=True)
+        data_df = data_df.sort_index(axis=1)
+        data_df = data_df.reset_index(drop=True)
+
+        self.df['clusterNo'] = -1
+        for i in range(len(data_df)):
+            for j in range(len(data_df['clusters'].iloc[i])):
+                k = data_df['clusters'].iloc[i][j]
+                self.df['clusterNo'].iloc[k] = i
+
+        self.df = self.df[self.df['clusterNo'] != -1]
+
+
+        data_df['hour_block'] = 0
+        data_df['day_of_week'] = 0
+        for i in range(max(self.df['clusterNo'])+1):
+
+            counter = Counter(self.df[self.df['clusterNo'] == i]['hour_block'])
+            most_hour_value = counter.most_common(1)[0][0]
+
+            counter = Counter(self.df[self.df['clusterNo'] == i]['day_of_week'])
+            most_day_value = counter.most_common(1)[0][0]
+
+            data_df['hour_block'].iloc[i] = most_hour_value
+            data_df['day_of_week'].iloc[i] = most_day_value
+
+        data_list = data_df.values.tolist()
+        return data_list
+
+
+
+if __name__ == '__main__':
+    # 파일 경로 가져오기
+    filePath = r"C:\Users\sk002\OneDrive\바탕 화면\학교\Yoodori\Geolife Trajectories 1.3\Data\003\Trajectory\20081202160051.txt"
+    la = LocationAnalyzer(filePath)
+
+    data = la.gmeansFunc()
+
+
+    print(data[1])
+    print(data[1][0])
+    print(data[1][0][0]) # latitude
+    print(data[1][0][1]) # longitude
+    print(data[1][2]) # time
+    print(data[1][3]) # w
+
+    print(type(data[1][2]))
+    print(type(data[1][3]))