推荐:MTA 实时地铁API JSON代理
MTAPI是一个小巧的HTTP服务器,它将MTA(纽约大都会运输署)的实时地铁信息源,从Protocol Buffers/GTFS格式转换为JSON。该应用还增加了缓存功能,并支持通过位置和列车线路检索信息。
活跃开发中
该项目正处于活跃的开发阶段,API的任何部分都可能发生变化。我们非常欢迎您的反馈。
运行服务器
MTAPI是一个基于Python 3.3+设计的Flask应用程序。
- 创建一个
settings.cfg文件,可以参考提供的settings.cfg.sample示例。 - 设置环境并安装依赖项。
$ python3 -m venv .venv $ source .venv/bin/activate $ python3 -m pip install -r requirements.txt - 运行服务器
$ python app.py
如果配置文件名不是settings.cfg,则设置环境变量MTAPI_SETTINGS为你的配置文件路径。
若在uWSGI下运行,请包括--enable-threads标志。
端点
有关获取火车数据及其样本输入和输出的端点列表,请参阅此处。
设置选项
-
MTA_KEY (必需)
在[hhttps://api.mta.info/#/signup]申请的API密钥。 默认:None -
STATIONS_FILE (必需)
包含车站信息的JSON文件路径。详情见生成车站文件部分。 默认:None -
CROSS_ORIGIN
添加CORS头部到HTTP响应。 默认:在调试模式下为"*",否则为None -
MAX_TRAINS
限制每个车站列出的列车数量。 默认:10 -
MAX_MINUTES
列出的火车信息的时间范围上限。 默认:30 -
CACHE_SECONDS
应用程序请求MTA API新数据的频率。 默认:60 -
THREADED
启用后台数据刷新,防止请求因从MTA API获取新数据而挂起。 默认:True -
DEBUG
标准Flask选项。开启后将启用增强的日志记录和通配符CORS头。 默认:False
生成车站文件
MTA提供了一些静态数据文件关于地铁系统,但没有包含每个车站的权威信息。MTAPI附带了一个脚本,可以从MTA提供的'stops.txt' 和 'transfers.txt' 数据集中解析数据,并尝试将不同的列车站点归类为地铁站。MTAPI会使用这个JSON文件来获取站名和位置。分类并非完美,鼓励对结果文件进行编辑。
使用方法:
$ python make_stations_csv.py stops.txt transfers.txt > stations.csv
# 编辑stations.csv中的分组
$ python make_stations_json.py stations.csv > stations.json
# 编辑stations.json中的名字
帮助与问题
提交GitHub Issues请求以获得帮助。
相关项目
以下是一些使用MTAPI的项目:
- http://wheresthefuckingtrain.com
许可证
该项目遵循MIT许可协议。
MTAPI是开发者友好的工具,它简化了与MTA实时数据的交互,无论你是想构建一款方便纽约市民查询地铁状态的应用,还是对公共交通API感兴趣,它都是理想的选择。其轻量级的设计、灵活的配置选项以及易于集成的特点,使得MTAPI成为一个值得尝试的开源项目。立即加入,开启你的地铁数据之旅!
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C043
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00