本项目最初实现基于实车轨迹的 TTC（Time To Collision）分析，已工程化重构为可扩展的类结构，并新增基于重采样 + DTW 的轨迹相似度分析，以及 Plotly 可视化支持。
主要模块
src/base_analyzer.py：基础抽象类BaseAnalyzer，定义通用接口：load()/preprocess()/compute()/report()/visualize()/run()，便于封装与继承。src/ttc_analyzer.py：TTCAnalyzer(BaseAnalyzer)，实现 TTC、速度、异常帧检测与静态可视化（Matplotlib）。src/similarity_analyzer.py：TrajectorySimilarityAnalyzer(BaseAnalyzer)，实现轨迹重采样、2D DTW、逐点均距与 x/y 相关性计算，生成相似度评分，并使用 Plotly 输出交互式图表（output/similarity.html）。src/run_analysis.py：统一运行入口，支持 CLI 参数（--input/--output/--resample）。
输入格式
- 默认输入：转置格式 CSV（5 行，分别为
timestamp, x1, y1, x2, y2），示例见data/data.csv。
依赖
- 项目依赖在
requirements.txt中列出，主要包括：pandas,numpy,plotly,kaleido（用于将 Plotly 导出为静态图片）。
快速开始
- 安装依赖：
pip install -r requirements.txt- 运行轨迹相似度分析（默认示例数据）：
python src/run_analysis.py --input data/data.csv --output output --resample 300- 运行 TTC 分析（如果需要调用特定类，可直接运行脚本或导入类）：
python -c "from ttc_analyzer import TTCAnalyzer; TTCAnalyzer().run()"查看结果：
output/analysis_report.csv: 逐帧计算结果（若运行 TTC 分析器）。output/summary.txt: 运行摘要（包含相似度/最小 TTC/异常统计等）。output/resampled_distances.csv: 轨迹重采样后每个样本的点对点距离序列。output/similarity.html: 交互式 Plotly 轨迹对比图。output/similarity.png（可选）：静态图像（需kaleido支持）。
可配置项
- 通过
config字典或run_analysis.py的 CLI 参数配置：resample_points：重采样点数（TrajectorySimilarityAnalyzer，默认 300）。ttc_threshold：TTC 警报阈值（TTCAnalyzer，默认 1.5s）。max_speed_m_s：异常判定最大速度阈值（TTCAnalyzer，默认 60 m/s）。
扩展建议
- 将相似度算法做成策略接口（支持 Fréchet、Hausdorff、归一化 DTW 等），以便插拔扩展。
- 添加单元测试覆盖
dtw_distance、重采样与可视化输出生成。 - 若需在线交互查看结果，考虑使用 Streamlit 或 Flask 封装一个简单的前端服务。
联系方式与贡献
- 欢迎在本仓库基础上扩展算法、改进异常检测策略或增强可视化展示。提交 PR 前请确保添加相应的测试和更新
update.md。
本 README 已更新以反映类化重构与轨迹相似度功能。
- 速度计算：$v = \frac{\Delta p}{\Delta t}$
- 闭合速度 (Closing Speed)：$v_{closing} = -\frac{d(distance)}{dt}$
-
TTC 计算：$TTC = \frac{distance}{v_{closing}}$ (仅当
$v_{closing} > 0$ 时) - 安全阈值：默认设为 1.5s。