考虑天气，节假日，不考虑三车道，已知天气数据，节假日数据和通过ETC的平均速度，车流量，怎么利用线性插值法计算TPI,给出python代码

为了计算交通压力指数(Traffic Pressure Index, TPI)，我们需要结合天气数据、节假日数据以及车流量等因素。这里我们可以使用线性插值法来估算在特定时间段内的平均速度。由于线性插值适用于连续的数据，我们将假定车流量和速度之间存在线性关系。以下是使用Python进行简单线性插值的一个示例：

首先，假设我们有三个变量：`weather_data`, `holiday_data`, 和 `speed_data`，它们对应着天气情况、节假日状态和车速。我们还需要知道给定时间点的`current_weather`, `current_holiday`。

# 假设数据是以列表形式存储的，例如：
weather_data = ...  # 天气数据
holiday_data = ...   # 节假日数据
speed_data = ...    # 平均速度数据

def linear_interpolation(weather, holiday, speed_values, flow_values):
    """
    使用线性插值计算给定天气和节日条件下的TPI
    """
    # 找到与当前天气和假日最接近的速度和流量值索引
    weather_index = bisect.bisect_left(weather_data, current_weather)
    holiday_index = bisect.bisect_left(holiday_data, current_holiday)

    # 如果索引超出范围，取边界值
    if weather_index == len(weather_data):
        weather_index -= 1
    if holiday_index == len(holiday_data):
        holiday_index -= 1

    # 计算权重，对于天气和节假日的变化
    weight_weather = (current_weather - weather_data[weather_index]) / (weather_data[weather_index + 1] - weather_data[weather_index])
    weight_holiday = (current_holiday - holiday_data[holiday_index]) / (holiday_data[holiday_index + 1] - holiday_data[holiday_index])

    # 线性插值计算速度
    interpolated_speed = speed_values[weather_index] * (1 - weight_weather) + speed_values[weather_index + 1] * weight_weather

    # 使用速度和车流量计算TPI，这里假设TPI直接等于速度乘以流量
    tpi = interpolated_speed * flow_values[weather_index]

    return tpi

# 示例调用
current_weather = ...  # 当前天气
current_holiday = ...  # 当前节假日
current_flow = ...   # 给定时间点的车流量
estimated_tpi = linear_interpolation(current_weather, current_holiday, speed_data, flow_data)

请注意，这只是一个基本的实现，实际应用可能需要更复杂的模型来考虑更多的因素，比如非线性关系或缺失数据的处理。另外，`bisect_left`函数用于找到插入位置，它假设输入数据已经排序。