Při mnoha příležitostech jsem něco podobného udělal. V podstatě seskupování založené na separacích v rámci komplexního uspořádání. Základy přístupu, který používám s ohledem na tento problém, jsou následující:
- Sestavte tabulku všech časových rozsahů zájmu.
- Najděte počáteční čas pro každou skupinu časových rozsahů zájmu.
- Najděte čas ukončení pro každou skupinu časových rozsahů, které vás zajímají.
- Připojte počáteční a koncové časy k seznamu časových rozsahů a skupin.
Nebo podrobněji:(každý z těchto kroků může být součástí jednoho velkého CTE, ale pro snazší čtení jsem to rozdělil na dočasné tabulky...)
Krok 1:Najděte seznam všech časových rozsahů zájmu (použil jsem metodu podobnou té, na kterou odkazuje @Brad). POZNÁMKA:Jak poznamenal @Manfred Sorg, předpokládá se, že v datech sběrnice nejsou žádné „chybějící sekundy“. Pokud dojde k přerušení časových razítek, bude tento kód interpretovat jeden rozsah jako dva (nebo více) odlišné rozsahy.
;with stopSeconds as (
select BusID, BusStopID, TimeStamp,
[date] = cast(datediff(dd,0,TimeStamp) as datetime),
[grp] = dateadd(ss, -row_number() over(partition by BusID order by TimeStamp), TimeStamp)
from #test
where BusStopID is not null
)
select BusID, BusStopID, date,
[sTime] = dateadd(ss,datediff(ss,date,min(TimeStamp)), 0),
[eTime] = dateadd(ss,datediff(ss,date,max(TimeStamp)), 0),
[secondsOfStop] = datediff(ss, min(TimeStamp), max(Timestamp)),
[sOrd] = row_number() over(partition by BusID, BusStopID order by datediff(ss,date,min(TimeStamp))),
[eOrd] = row_number() over(partition by BusID, BusStopID order by datediff(ss,date,max(TimeStamp)))
into #ranges
from stopSeconds
group by BusID, BusStopID, date, grp
Krok 2:Najděte nejbližší čas každé zastávky
select this.BusID, this.BusStopID, this.sTime minSTime,
[stopOrder] = row_number() over(partition by this.BusID, this.BusStopID order by this.sTime)
into #starts
from #ranges this
left join #ranges prev on this.BusID = prev.BusID
and this.BusStopID = prev.BusStopID
and this.sOrd = prev.sOrd+1
and this.sTime between dateadd(mi,-10,prev.sTime) and dateadd(mi,10,prev.sTime)
where prev.BusID is null
Krok 3:Najděte nejnovější čas pro každou zastávku
select this.BusID, this.BusStopID, this.eTime maxETime,
[stopOrder] = row_number() over(partition by this.BusID, this.BusStopID order by this.eTime)
into #ends
from #ranges this
left join #ranges next on this.BusID = next.BusID
and this.BusStopID = next.BusStopID
and this.eOrd = next.eOrd-1
and this.eTime between dateadd(mi,-10,next.eTime) and dateadd(mi,10,next.eTime)
where next.BusID is null
Krok 4:Spojte vše dohromady
select r.BusID, r.BusStopID,
[avgLengthOfStop] = avg(datediff(ss,r.sTime,r.eTime)),
[earliestStop] = min(r.sTime),
[latestDepart] = max(r.eTime)
from #starts s
join #ends e on s.BusID=e.BusID
and s.BusStopID=e.BusStopID
and s.stopOrder=e.stopOrder
join #ranges r on r.BusID=s.BusID
and r.BusStopID=s.BusStopID
and r.sTime between s.minSTime and e.maxETime
and r.eTime between s.minSTime and e.maxETime
group by r.BusID, r.BusStopID, s.stopOrder
having count(distinct r.date) > 1 --filters out the "noise"
Aby to bylo kompletní, udělejte si pořádek:
drop table #ends
drop table #starts
drop table #ranges