注:本文所用時間為14量車的總時間單位為秒。
一、對數據的簡單分析
1.總數據量的統計
select count(*) as number from trajectory; #總數據條數為2千萬條
image.png
2.查詢有多少量車
select count(distinct vme_id) from trajectory; #共有14量車```

#二、農機運營分析
1.查詢有多少軌跡點速度等于0(即休息時間)
select count(*) from trajectory where speed=0;```
image.png
休息時間占比為4540327/20249036=0.22
2.查詢平均作業深度(去除非作業數據)
select avg(work_deep) from trajectory where work_deep>50;#作業平均深度為40
image.png
3.查詢作業時間
select count(*) from trajectory where work_deep>100 #輸出7712956;
select count(*) from trajectory where work_deep>200 #輸出7681255;
select count(*) from trajectory where work_deep>300 #輸出7490286;
select count(*) from trajectory where work_deep>350 #輸出6905956;
select count(*) from trajectory where work_deep>400 #輸出3478811;
image.png
以深度300以上為作業:7490286/20249036=0.37
4.查詢速度
select max(speed) from trajectory; #最大數據27
select avg(speed) from trajectory; #平均速度3.2
select min(speed) from trajectory; #最小速度0
select speed , count(*) from trajectory group by speed;
image.png
橫坐標為速度, 縱坐標為軌跡點數目,速度為車輛的瞬時速度。
5.查詢作業深度
select work_deep, count(*) from trajectory group by work_deep;
image.png
6.其他
image.png
1表示速度為0(藍色)和速度非零的作業時間
2表示作業深度小于50(藍色)和作業深度大于50的作業時間
從途中可以看出非作業中很大一部分時間中農機處于停息狀態約占22%.
三、基于時間的農機軌跡分析
1.作業月份分析
select month(gps_time, count(*)) from trajectory group by month(gps_time);```

2.不同農機運營時間分析
select vme_id ,count(*) from trajectory group by vme_id ; ```
image.png
3.不同農機作業時間分析
select vme_id ,count(*) from trajectory where work_deep>50 group by vme_id ; ```

4.不同時間段作業分析
