注：本文所用时间为14量车的总时间单位为秒。

一、对数据的简单分析

1.总数据量的统计

select count(*) as number from trajectory; #总数据条数为2千万条 

image.png

2.查询有多少量车

select count(distinct vme_id) from trajectory; #共有14量车```


![image.png](https://img.haomeiwen.com/i2538708/de571b9fd90c9275.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

#二、农机运营分析
1.查询有多少轨迹点速度等于0（即休息时间）

select count(*) from trajectory where speed=0;```

image.png

休息时间占比为4540327/20249036=0.22

2.查询平均作业深度（去除非作业数据）

select avg(work_deep) from trajectory where work_deep>50;#作业平均深度为40

image.png

3.查询作业时间

select count(*)  from trajectory where work_deep>100  #输出7712956;
select count(*) from trajectory where work_deep>200   #输出7681255；
select count(*)  from trajectory where work_deep>300   #输出7490286;
select count(*)  from trajectory where work_deep>350   #输出6905956；
select count(*) from trajectory where work_deep>400    #输出3478811；

image.png

以深度300以上为作业：7490286/20249036=0.37

4.查询速度

select max(speed) from trajectory; #最大数据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

横坐标为速度， 纵坐标为轨迹点数目，速度为车辆的瞬时速度。

5.查询作业深度

select work_deep, count(*) from trajectory group by work_deep;

image.png

6.其他

image.png

1表示速度为0（蓝色）和速度非零的作业时间
2表示作业深度小于50（蓝色）和作业深度大于50的作业时间
从途中可以看出非作业中很大一部分时间中农机处于停息状态约占22%.

三、基于时间的农机轨迹分析

1.作业月份分析

select month(gps_time, count(*)) from trajectory group by month(gps_time);```
![image.png](https://img.haomeiwen.com/i2538708/8714d43219966fba.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

2.不同农机运营时间分析

select vme_id ,count(*) from trajectory group by vme_id ; ```

image.png

3.不同农机作业时间分析

select vme_id ,count(*) from trajectory where work_deep>50 group by vme_id  ; ```

![image.png](https://img.haomeiwen.com/i2538708/eecd3c662862ece3.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

4.不同时间段作业分析

![image.png](https://img.haomeiwen.com/i2538708/7dea75f31f1e7626.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)