《用出租车GPS数据分析深圳道路交通情况》由会员分享，可在线阅读，更多相关《用出租车GPS数据分析深圳道路交通情况（15页珍藏版）》请在金锄头文库上搜索。
1、精品资料，欢迎大家下载！D题：用出租车GPSa据分析深圳道路交通情况各大城市出租车越来越多de安装了GPS端,这些终端能够每隔1分钟向出租车管理中心发送本车de位置、速度和方向等信息,是车辆GP弦时数据.原始数据主要保存出租车上装配deGPS端所采集de数据,这些数据包括序号,车牌号码,GPS时间,经度,纬度,车辆状态空车、重车,车辆速度,车辆方向8个方向等信息.附注网站提供了深圳市出租车GPSB据,从这些数据你是否能够：1. 根据出租车载客de起讫点,结合深圳市de交通地图,恰当de划分交通小区,并选择小区中de某一点,用其经纬数值作为该小区de坐标.2. 根据小区划分和出租车GPSB据,给
2、出载客出租车deOD寸空分布.如：某时刻从坐标i,j至h,j、i“,de出租车有多少辆.3. 由此,在合理de假设条件下,能否对人们出行deOD寸空分布进行推断？4. 根据出租车载客后de行驶数据,筛选出拥堵de路段时段以及拥堵de路口时段.拥堵de标准白己设定,如某路段在某个时段平均行驶速度小于多少公里/小时比方,10公里/小时,可认为是拥堵.附注：局部有关资料请上网站在数学建模根底数据页之交通问题根底数据下载：深圳出租车GP澈据,数据文件较大,我们分解成假设干个小文件提供.摘要一个完整de城市交通系统非常庞大、复杂,这种情况使得数学建模一一交通问题分析求解de困难、复杂度提升,将完整de城
3、市交通系统根据交通流向、路网布局等特性划分为假设干交通小区,然后对不同de交通小区进行数学建模,可以有效地降低这种复杂性.各大城市出租车越来越多de安装了GP敛端,这些终端能够每隔1分钟向出租车管理中心发送本车de位置、速度和方向等信息,是车辆GPS时数据.原始数据主要保存出租车上装配deGP敛端所采集de数据目前对于交通小区de研究主要集中在应用层次,本文针对交通出行数据de空间分布特征,利用K-Means空间聚类算法进行交通小区de白动划分,为城市交通系统de管理、控制及规划提供技术支持,对交通出行数据进行优化,抽取出租车载客过程中乘客上下车deGPS位置坐标.基于聚类与交通小区划分de相
4、似性,采用K-Means聚类法进行交通小区de划分.首先,通过聚类得到交通出行OD矩阵,然后据此划分出交通小区.基于GoogleMapsAP|搭建了软件平台.通过试验可以看出,这种动态划分方法得到de区域能够与现有de交通小区相吻合.这种高实时de交通小区划分方法将对动态deOD估计有着极大de参考价值.关键词：GPS;交通小区；K-Means;空间聚类算法；动态分析；k均值聚类；边界计算一、问题重述各大城市出租车越来越多de安装了GPS端,这些终端能够每隔1分钟向出租车管理中心发送本车de位置、速度和方向等信息,是车辆GP弦时数据.原始数据主要保存出租车上装配deGPS端所采集de数据.问题
5、一,根据出租车载客de起讫点,结合深圳市de交通地图,恰当de划分交通小区,并选择小区中de某一点,用其经纬数值作为该小区de坐标.问题二,根据小区划分和出租车GPS数据,给出载客出租车deOD时空分布.如：某时刻从坐标i,j到i：、ijde出租车有多少辆.问题三,由此,在合理de假设条件下,能否对人们出行deOD时空分布进行推断？问题四,根据出租车载客后de行驶数据,筛选出拥堵de路段时段以及拥堵de路口时段.拥堵de标准白己设定,如某路段在某个时段平均行驶速度小于多少公里/小时比方,10公里/小时,可认为是拥堵.二、模型假设一般来说,交通小区de划分应该遵循以下原那么：(1) 同质性,分区
6、内de经济社会等特性尽量一致；小区划分尽量不打破行政区de划分,以便可以利用行政区de统计资料；分区数量适当,中等城市不超过50个,大城市最多不超过100-150个数量太多将加重规划de工作量,数量太少又会降低调查和分析de精度；对于已做过OD调查de城市,最好维持原已划分de小区.三、符号说明name车牌号time采集时间点(格式：YYYY/MM/DDhh:mm:ss)jd经度wd纬度status车辆状态(0=非打表,即：空载；1=已打表,即：重载)v车速(单位为：km/h)angle行车方向(0=东；1=东南；2=南；3=西南；4=西；5=西北；6=北；7=东北四、问题分析与模型建立4.1
7、对问题de分析和模型建立交通小区概念交通小区是具有一定交通关联度和相似度de节点或连线de集合,反映了城市路网交通特征de时空变化特性、交通小区具有同质性、关联性、动态性、稳定性、白组织性等特性.交通小区de划分是分析城市交通网络de一个很好de方式,由于交通小区内具有相似de交通特征和较强de交通关联性交通小区de划分与该城市de人口面积经济特征产业结构等密切相关,并在一定程度上反响了一个城市de吸引力交通小区划分概况国内局部城市在不同时期de交通小区de平均面积可以看出,单个小区de平均面积有逐年变小de趋势,划分小区de数量在逐渐增加,传统de进行交通小区划分de方法主要基于大规模de人
8、工抽样调查,这种划分方法本钱高、周期长,调查de数据存在抽样率低、抽样统计de精度不高、数据更新周期长等问题.由于我国大局部城市正处于快速发展期,土地利用不断变化,人口高速增长,通过这种方式进行交通小区de划分时效性较差.本文通过交通出行数据de聚类运算,提供实时de交通小区de分布状态,这种快速、动态de划分方法弥补了传统划分方式de缺乏.以上资料仅供参考，如有侵权，留言第一时间删除！原始出租车数据数据预处理M+1边界计算交通小区图1交通小区分过程五、模型求解5.1基于K均值聚类算法de交通小区划分方法划分方法本划分方法首先对坐标数据进行空间聚类运算,得到出行起讫点deOD矩阵,最后以此为依
9、据进行交通小区de划分划分过程如图1所示.出租车GPS数据预处理试验中所用到de数据来源于北京奇华通讯,主要包括车辆GPS实时数据和车辆类型等相关数据信息,原始数据表主要保存了出租车上装配deGPS终端所采集de数据,这些数据包括车牌号时间经纬度速度以及该车de空重车状态等.由于每天de数据量庞大2.5千万条/天,基于缩短数据查询时间以及提升整体运算性能等方面de考虑,需要对原始数据进行优化.原始数据内容见表4.表4原始表据nametimeJdwdstatusVangle粤B00D102021/04/1800:00:05113.58599923.1332740620粤B4906B2021/04
10、/1800:00:10113.88836722.780216004粤B00D162021/04/1800:00:04114.05538222.625116052粤2021/04/18114.01322.6652101B5223B00:00:4963483粤B5357B2021/04/1800:00:30114.04508222.7112670406粤B5996D2021/04/1800:00:28113.92620822.5657670333粤B6618E2021/04/1800:00:28114.06033322.526083006其中status字段代表de是出租车de空重车状态,当值为0
11、时表示车de状态为空车,值为1时表示车de状态为重车当status值由0变为1时,status值为1de车de位置即为乘客上车时de位置；相反地,乘客下车时de位置也可以得到根据这一特性剔除原始表中de无用数据,优化后de数据见表5.表5优化后de数据nametimeJdwdstatusVangle粤B00D162021/04/1800:00:04114.05538222.625116052粤B5223B2021/04/1800:00:49114.01363422.665283101粤B5357B2021/04/1800:00:30114.04508222.7112670406聚类计算经过上一
12、步de数据优化,即可得到由起讫点数据组成de数据集,现在需要对这些数据进行聚类运算：一段时间内de起点或者讫点被划分为假设干个区域,每个区域中de点分布紧凑,区域与区域之间白然分开.本文采用了K-Means聚类算法,K-Means聚类算法是一种分割式聚类方法,它是数据挖掘技术中一种经典de基于划分de聚类算法,其目de在于从大量数据点中找出具有代表性de数据点,即中心点,然后再根据这些中心点进行后续de处理K-Means算法采用了迭代更新de运算思想,聚类过程如下：首先从n个数据点随机选择k个点作为初始聚类中心；通过运算其它点与这些聚类中心点de相似度距离,将其分别分配给与其相似度最高距离最近
13、de中心点所在de聚类；然后对划分好后de聚类重新运算聚类中心.这一过程不断重复直到标准测度函数开始收敛.对区域数据进行边界运算聚类运算结束之后,得到假设干组包含中心点在内de一些坐标点,如图2所示点X表示出租车de坐标点,实心圆点表示交通小区中将所有聚类后de坐标通过GIS平台输出,通过这种方式很难看出不同区域之间de界线这时需要将区域de边界绘制出来.本文采用de边界运算过程如下：首先建立平面直角坐标系,将坐标系以0,0为中心点均分为n等份区域nde值将决定边界运算结果de精度,每个区域de角度为360/n,如图3所示H/.jffjF*/yvjjf,/,71圈3360度分为n份图4距高中心
14、点de距蒿图3360度分为n份图4距离中心点de距离然后,将某个聚类de点集放入该坐标系,使得区域中心点与坐标原点重合,通过计算其它点与中心所形成de角de正余弦,即可得到每个点与中心点所形成de夹角,进而将这些点归入上一步所划分de区域依次计算第i个区域里每个点距离中心点de距离,记录距离中心点最远de点为ci,如图4中P点等最后,将这所有deci点相连接,即可得到点集de相应边界,如图5所示图5边界点相连5.2试验平台搭建与实例分析试验平台搭建为了检验划分结果de准确度,本文搭建了具有GIS功能de试验平台平台,使用Java语言进行开发,GIS功能采用GoogleMapsAPI解决方案.平台通信过程如图6所示96系统通僧实例分析通过上述方法,利用2021年8月3号北京市出租车GPS数据进行交通小区de划分,并将划分结果输出到GIS平台上,如图7所示可以看出这种动态划分方法产生de结果能够与现有de局部交通小区相吻合标注A为CBD小区,标注B为西郊小区,详细deOD矩阵数据见表612134&481D1121316000000000002026010000!00003001700000010001010160000CC00050
