农机行驶轨迹绘制，输入GPS经纬度时间序列，处理转成画布坐标，连线绘图，输出轨迹图片，总里程，行驶时间。

1. 项目背景与场景描述

实际应用场景

在智慧农业中，智能农机（如无人驾驶拖拉机、播种机、收割机）会持续记录 GPS 数据（经纬度 + 时间戳），用于：

• 作业路径回放与分析
• 作业效率评估
• 故障或异常行为检测
• 农田管理优化

痛点

• GPS 数据是地理坐标系（WGS84），直接绘图会因地球曲率导致变形
• 不同时间点的数据量可能很大，需要高效处理
• 需要计算总里程和行驶时间
• 非技术人员难以直接使用原始数据

2. 核心逻辑讲解

3. 数据输入：CSV 文件，包含 "timestamp, latitude, longitude"

4. 坐标转换：将 WGS84 经纬度转换为平面坐标（墨卡托投影或简单线性缩放）

5. 轨迹绘制：在画布上按时间顺序连线

6. 里程计算：相邻点间用 Haversine 公式计算大圆距离

7. 时间统计：首条与末条时间戳差值

8. 输出结果：PNG 图片 + 控制台打印总里程和时间

9. 项目结构

farm_trajectory_plotter/ ├── data/ │ └── gps_data.csv ├── output/ │ └── trajectory.png ├── src/ │ ├── init.py │ ├── coordinate_transform.py │ ├── distance_calc.py │ ├── plotter.py │ └── main.py ├── README.md └── requirements.txt

4. 核心代码实现

"src/coordinate_transform.py"

import math

def wgs84_to_mercator(lat, lon): """ 将 WGS84 经纬度转换为墨卡托投影坐标 (x, y) 适用于小范围区域，避免复杂投影库 """ x = lon * 20037508.34 / 180 y = math.log(math.tan((90 + lat) * math.pi / 360)) / (math.pi / 180) y = y * 20037508.34 / 180 return x, y

"src/distance_calc.py"

from math import radians, sin, cos, sqrt, atan2

def haversine(lat1, lon1, lat2, lon2): """ 使用 Haversine 公式计算两点间的大圆距离 (米) """ R = 6371000 # 地球半径(米) phi1, phi2 = radians(lat1), radians(lat2) dphi = radians(lat2 - lat1) dlambda = radians(lon2 - lon1)

a = sin(dphi/2)**2 + cos(phi1)*cos(phi2)*sin(dlambda/2)**2
c = 2 * atan2(sqrt(a), sqrt(1-a))

return R * c

"src/plotter.py"

import matplotlib.pyplot as plt from src.coordinate_transform import wgs84_to_mercator

def draw_trajectory(points, output_path): """ 绘制轨迹并保存为图片 points: list of (lat, lon) """ x_coords = [] y_coords = [] for lat, lon in points: mx, my = wgs84_to_mercator(lat, lon) x_coords.append(mx) y_coords.append(my)

plt.figure(figsize=(10, 8))
plt.plot(x_coords, y_coords, marker='o', markersize=3, linewidth=2)
plt.title("农机行驶轨迹")
plt.xlabel("X (墨卡托)")
plt.ylabel("Y (墨卡托)")
plt.grid(True)
plt.savefig(output_path)
plt.close()

"src/main.py"

import csv import datetime from src.distance_calc import haversine from src.plotter import draw_trajectory

def main(): input_file = "data/gps_data.csv" output_image = "output/trajectory.png"

points = []
total_distance = 0.0
start_time = None
end_time = None

with open(input_file, 'r') as f:
    reader = csv.DictReader(f)
    prev_lat, prev_lon = None, None
    for row in reader:
        lat = float(row['latitude'])
        lon = float(row['longitude'])
        timestamp = datetime.datetime.fromisoformat(row['timestamp'])

        points.append((lat, lon))

        if prev_lat is not None:
            total_distance += haversine(prev_lat, prev_lon, lat, lon)

        if start_time is None:
            start_time = timestamp
        end_time = timestamp

        prev_lat, prev_lon = lat, lon

duration = (end_time - start_time).total_seconds() / 60  # 分钟

draw_trajectory(points, output_image)

print(f"总里程: {total_distance:.2f} 米 ({total_distance/1000:.2f} 公里)")
print(f"行驶时间: {duration:.2f} 分钟")

if name == "main": main()

5. 示例数据 "data/gps_data.csv"

timestamp,latitude,longitude 2026-02-13T05:00:00,30.123456,120.123456 2026-02-13T05:01:00,30.124000,120.124000 2026-02-13T05:02:00,30.125000,120.125500

6. README.md

农机行驶轨迹绘制程序

功能

• 读取 GPS 经纬度时间序列
• 转换为平面坐标并绘制轨迹
• 计算总里程和行驶时间
• 输出 PNG 图片

安装依赖

bash

pip install -r requirements.txt

运行

bash

python src/main.py

数据格式

CSV 文件，列：timestamp, latitude, longitude

7. requirements.txt

matplotlib

8. 核心知识点卡片

知识点 说明 WGS84 经纬度 全球定位系统使用的地理坐标系 墨卡托投影 将球面坐标转为平面坐标，适合局部区域 Haversine 公式 计算球面上两点间最短距离 Matplotlib Python 绘图库，用于生成轨迹图 CSV 处理 使用 "csv.DictReader" 读取结构化数据

9. 总结

本项目展示了如何将智能农机的 GPS 数据转化为直观的轨迹图，并计算关键指标（里程、时间）。

通过模块化设计，代码易于维护和扩展，例如未来可加入：

• 实时数据流处理
• 多农机轨迹对比
• 农田边界叠加
• Web 可视化（Flask/Dash）

这不仅是一个技术练习，更是智慧农业中数据驱动决策的典型应用。

如果你需要，可以生成完整的 GitHub 仓库结构并打包成 zip 下载，或者添加Web 版本让非程序员也能上传 CSV 并查看轨迹。

利用AI解决实际问题，如果你觉得这个工具好用，欢迎关注长安牧笛！