"""Bruit rapide des courbes corrigées, heure par heure et jour par jour, pour une station. Bruit d'une cible à une heure : médiane des écarts de chaque mesure acceptée au milieu de ses deux voisines (trois mesures en moins de 3 cadences ; une dérive lente, thermique, s'y annule), corr_x et corr_y ensemble ; bruit de la station : médiane sur les cibles. Profil du lot par heure UTC ; puis, par jour, le bruit des 6 heures les plus bruitées du profil face aux 6 plus calmes (rapport), et si une étiquette Visibility de labeling/auto/ couvre la moitié des heures bruitées ce jour-là. Usage (depuis la racine) : python3 bruit.py STATION DEBUT FIN [--propre] [--cibles] """ import sys, json, statistics as st from datetime import timedelta sys.path.insert(0, "agent-tools") import donnees as d st_nom, t1, t2 = sys.argv[1], d.instant(sys.argv[2]), d.instant(sys.argv[3]) PROPRE = "--propre" in sys.argv # retire à chaque instant la part commune à toutes les cibles (médiane signée) : # reste le bruit propre de chaque cible (turbulence) ; une pose mal compensée, commune, s'en va par = d.charger(f"data/{st_nom}") cib = {s: d.filtrer(ms, t1, t2) for s, ms in par.items() if not d.est_reference(ms)} ts = sorted({m["t"] for ms in cib.values() for m in ms}) cad = st.median([(b - a).total_seconds() for a, b in zip(ts, ts[1:])]) ecarts = {} # (cible, instant) -> (ex, ey) signés for s, ms in cib.items(): ok = [m for m in ms if m["corr_x"] is not None] for a, b, c in zip(ok, ok[1:], ok[2:]): if (c["t"] - a["t"]).total_seconds() > 3 * cad: continue ecarts[(s, b["t"])] = tuple(b[q] - (a[q] + c[q]) / 2 for q in ("corr_x", "corr_y")) # une dérive lente s'annule commun = {} if PROPRE: par_t = {} for (s, t), e in ecarts.items(): par_t.setdefault(t, []).append(e) commun = {t: (st.median(e[0] for e in l), st.median(e[1] for e in l)) for t, l in par_t.items() if len(l) >= 3} cell = {} # (jour, heure) -> {cible: [|écart|]} for (s, t), e in ecarts.items(): c0 = commun.get(t, (0, 0)) cell.setdefault((t.date(), t.hour), {}).setdefault(s, []).extend([abs(e[0] - c0[0]), abs(e[1] - c0[1])]) val = {k: st.median([st.median(v) for v in c.values()]) for k, c in cell.items() if len(c) >= 3} prof = {h: st.median([v for (j, hh), v in val.items() if hh == h]) for h in range(24) if any(hh == h for (j, hh) in val)} print(f"{st_nom} cadence {cad/60:.0f} min, {len(cib)} cibles") print("profil (heure UTC: bruit médian, unités de corr) :") print(" " + " ".join(f"{h:02d}:{v:.3f}" for h, v in sorted(prof.items()))) ordre = sorted(prof, key=prof.get) calme, agite = sorted(ordre[:6]), sorted(ordre[-6:]) print(f"heures calmes {calme}, agitées {agite}, rapport du profil {st.median([prof[h] for h in agite]) / st.median([prof[h] for h in calme]):.2f}") etq = [json.loads(l) for l in open(f"labeling/auto/{st_nom}.jsonl") if l.strip()] vis = [(d.instant(e["debut"]), d.instant(e["fin"])) for e in etq if e["categorie"] == "Visibility"] print("jour agité calme rapport Visibility sur les heures agitées") for j in sorted({j for j, h in val}): a = [val[(j, h)] for h in agite if (j, h) in val] c = [val[(j, h)] for h in calme if (j, h) in val] if len(a) < 3 or len(c) < 3: continue from datetime import datetime, timezone hs = [datetime(j.year, j.month, j.day, h, 30, tzinfo=timezone.utc) for h in agite] couv = sum(any(a0 <= x <= b0 for a0, b0 in vis) for x in hs) print(f"{j} {st.median(a):.3f} {st.median(c):.3f} {st.median(a) / st.median(c):5.2f} {couv}/6") if "--cibles" in sys.argv: # rapport agité / calme de chaque cible, sur tout le lot : une gêne de la scène les touche toutes print("cible : bruit des heures agitées / calmes (rapport)") for s in sorted(cib): a = [x for (j, h), c in cell.items() if h in agite for x in c.get(s, [])] c = [x for (j, h), c in cell.items() if h in calme for x in c.get(s, [])] if len(a) > 20 and len(c) > 20: print(f" {s:24} {st.median(a):.4f} / {st.median(c):.4f} ({st.median(a) / max(st.median(c), 1e-6):.2f})")