2023.11.16 交差点と事故座標とのマッチング

多重ループを排除し、処理の高速化を図ることが目的。

まずは小規模な問題でテスト。

code:inter_accident.py

import numpy as np

x_min, x_max = 0, 9

y_min, y_max = 0, 9

# 交差点とその座標

inter_num_square = 5 # 交差点数の平方根

inter_x = np.linspace(x_min, x_max, inter_num_square)

inter_y = np.linspace(y_min, y_max, inter_num_square)

inter_x, inter_y = np.meshgrid(inter_x, inter_y)

inter_x, inter_y = inter_x.reshape(-1), inter_y.reshape(-1)

class Intersection:

def __init__(self, x, y):

self.x = x

self.y = y

self.accident = []

intersections = []

for tmp_x, tmp_y in zip(inter_x, inter_y):

intersections.append(Intersection(tmp_x, tmp_y))

# 事故座標

# * 交差点の付近に生成する

accident_num = 5

accident_x, accident_y = [], []

print('乱数で生成した事故発生交差点のID')

for i in range(accident_num):

select = np.random.randint(len(intersections))

print(select, end=' ' )

accident_x = np.array(accident_x)

accident_y = np.array(accident_y)

print()

# 判定

# * ブールインデックス参照

threshold = 0.1

print('座標でマッチした事故発生交差点のID')

for i in range(len(accident_x)):

xy_check = x_check*y_check # 論理値の積でand処理

print(match, end=' ')

# 結果の確認

for num, inter in enumerate(intersections):

print(num, inter.accident)

うまく動作しているようだ。

マップを広げ、事故件数を増やしてみる。

x_min, x_max = 0, 100

y_min, y_max = 0, 100

accident_num = 5 -> 10000

code:inter_accident_match2.py

import numpy as np

import time

from tqdm import tqdm

x_min, x_max = 0, 100

y_min, y_max = 0, 100

# 交差点とその座標

inter_num_square = 1000 # 交差点数の平方根

inter_x = np.linspace(x_min, x_max, inter_num_square)

inter_y = np.linspace(y_min, y_max, inter_num_square)

inter_x, inter_y = np.meshgrid(inter_x, inter_y)

inter_x, inter_y = inter_x.reshape(-1), inter_y.reshape(-1)

class Intersection:

def __init__(self, x, y):

self.x = x

self.y = y

self.accident = []

intersections = []

for tmp_x, tmp_y in zip(inter_x, inter_y):

intersections.append(Intersection(tmp_x, tmp_y))

# 事故座標

# * 交差点の付近に生成する

accident_num = 10000

accident_x, accident_y = [], []

print('乱数で生成した事故発生交差点のID')

for i in tqdm(range(accident_num)):

select = np.random.randint(len(intersections))

# print(select, end=' ' )

accident_x = np.array(accident_x)

accident_y = np.array(accident_y)

print()

# 判定

# * キーワード：ブールインデックス参照

t1 = time.time() # ここから時間計測

threshold = 0.1 # 交差点と事故座標間の距離の閾値

print('座標でマッチした事故発生交差点のID')

for i in tqdm(range(len(accident_x))):

xy_check = x_check*y_check # 論理値の積でand処理

# print(match, end=' ')

t2 = time.time()

# 結果の確認

for num, inter in enumerate(intersections):

if inter.accident != []:

print(num, inter.accident)

print('交差点の数', inter_num_square**2)

print('事故件数', accident_num)

print('マッチングに要した時間', t2 - t1)

結果：

code:result.txt

交差点の数 1000000

事故件数 10000

マッチングに要した時間 48.2010545730590

更に、事故件数を増やした結果（1万件 -> 10万件）：

code:result.txt

交差点の数 1000000

事故件数 100000

マッチングに要した時間 446.525943756103

この場合、事故件数を10倍にすると、時間も約10倍になった。