本文通过Python代码的编写，对NGSIM数据集中车辆变道时周边车辆的加速度、速度等信息进行提取，主要介绍代码逻辑及思路。

        关于NGSIM数据集不再赘述，本人上传有NGSIM各路段各车型的车辆数据以及各路段平面示意图，可点击链接NGSIM数据.zip_ngsim提取换道数据Python源代码-交通文档类资源-CSDN文库进行下载。本文代码实现基于NGSIM数据集中US-101路段的小型车数据，前期数据筛选和提取看参见本人前期发表文章NGSIM数据集Python处理（按照路段和车型筛选数据）_Mr.J的博客-CSDN博客。

        处理代码可分为以下四部分。

1.变道主车数据获取

        在进行这部分处理时，需要特别注意的是如何判定车辆的换道时刻，在这里可以通过Lane_ID进行判别。而后从Lane_ID间断处将同一ID的车辆数据进行切割，提取切割后的非最后一个子文件中最后一行中对应的ID和坐标以及全局时间即可完成第一步工作。对于最后一个子文件，即每一ID的最后一行数据，因为其后缺失数据，若直接采用Lane_ID相减不等于0进行判别，将会得到任何一个ID的车辆最后都产生了变道，显然，这是错误的。因此对于这个地方的数据需要进行特别处理。lst_c为切割索引列表。解决该方法可对lst_c进行如下操作：

lst_c.insert(0, 0)
    lst_c.sort()

2.同一时间其他车辆数据的获取

        根据步骤1获取到的车辆变道时间，遍历原始文件，获取该时间点，所有候选车辆的数据，这里需要注意的是，需要将主车的数据排除在外，否则最后得到的数据中主车数据将会冗余。处理代码如下：

 S_S_data=new_data.iloc[lst_c[j]:lst_c[j+1]].copy()           
        S_S_Global_Time=list(S_S_data['Global_Time'])[-1]

3.筛选距离满足要求的车辆数据

        首先设定筛选范围，该范围可任意设定，示例中设定该范围为周边60m，将距离满足筛选范围的数据提取到最终周边车辆的数据中，这里需要使用使用索引进行提取对应的数据。

            if (abs((Origin_X-Judgment_X[index])**2+(Origin_Y-Judgment_Y[index])**2))**0.5<=60*3.2808:
                lst_Near_ID.append(Judgment_ID[index])

4.将满足要求的车辆数据及变道主车的相关数据写入目标文件

        将数据写入时，将列表整体写入dataframe的列中，在这里采用重置索引，可解决长度和索引不匹配的ValueError问题。

finally_data['Near_ID'] = pd.Series(lst_Near_ID, index=range(len(lst_Near_ID)))

        至此，邻近车辆数据已写入目标文件，每次处理完一个小文件时，需要对除lst_c以外的其他列表进行清空。将主车车辆写入文件使用插入即可：

finally_data.loc[0,'Origin_ID'] = Origin_ID

                代码最终得到的数据如下：

如需代码，可点击本人上传的资源NSSIM数据车辆变道时邻近车辆数据提取-交通文档类资源-CSDN文库进行下载。

如需文件，可点击本人上传的资源

NGSIM数据车辆变道时周边车辆数据提取-数据集文档类资源-CSDN文库进行下载

 若有疑问，需完整代码或有交通数据处理需求欢迎VX探讨：A2528945820