用出租车GPS数据分析深圳道路交通情况

1、D题：用出租车GPS数据分析深圳道路交通情况各大城市出租车越来越多的安装了GPS终端，这些终端能够每隔1分钟向出租车管理中心发送本车的位置、速度和方向等信息，是车辆GPS实时数据。原始数据主要保存出租车上装配的GPS终端所采集的数据，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GPS数据，从这些数据你是否能够：根据出租车载客的起讫点，结合深圳市的交通地图，恰当的划分交通小区，并选择小区中的某一点，用其经纬数值作为该小区的坐标。根据小区划分和出租车GPS数据，给出载客出租车的0时空分布。如：某时刻从坐

2、标（i,j）到（i；j）、（,j）的出租车有多少辆。由此，在合理的假设条件下，能否对人们出行的0时空分布进行推断？根据出租车载客后的行驶数据，筛选出拥堵的路段时段以及拥堵的路口时段。拥堵的标准自己设定，如某路段在某个时段平均行驶速度小于多少公里/小时（比如，10公里/小时），可认为是拥堵。附注：部分有关资料请上网站在数学建模基础数据页之交通问题基础数据下载：深圳出租车GPS数据，数据文件较大，我们分解成若干个小文件提供。摘要一个完整的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的困难、复杂度提高，将完整的城市交通系统按照交通流向、路网布局等特性划分为若干交通小区，然后对

3、不同的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的安装了GPS终端，这些终端能够每隔1分钟向出租车管理中心发送本车的位置、速度和方向等信息，是车辆GPS实时数据。原始数据主要保存出租车上装配的GPS终端所采集的数据目前对于交通小区的研究主要集中在应用层次，本文针对交通出行数据的空间分布特征，利用K-Means空间聚类算法进行交通小区的自动划分，为城市交通系统的管理、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的GPS位置坐标。基于聚类与交通小区划分的相似性，采用K-Means聚类法进行交通小区的划分。首先，通过聚类得到交通出行0D矩

4、阵，然后据此划分出交通小区。基于GoogleMapsAPI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的区域能够与现有的交通小区相吻合。这种高实时的交通小区划分方法将对动态的0D估计有着极大的参考价值。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；边界计算问题重述各大城市出租车越来越多的安装了GPS终端，这些终端能够每隔1分钟向出租车管理中心发送本车的位置、速度和方向等信息，是车辆GPS实时数据。原始数据主要保存出租车上装配的GPS终端所采集的数据。问题一，根据出租车载客的起讫点，结合深圳市的交通地图，恰当的划分交通小区，并选择小区中的某一点，用其经纬数值作为该小区的坐标。问题二，根据小区划分和出租车GPS数据，给出载客出租车的OD时空分布。如：某时刻从坐标(i,j)到(i,j)、(i；j)的出租车有多少辆。问题三，由此，在合理的假设条件下，能否对人们出行的0时空分布进行推断？问题四，根据出租车载客后的行驶数据，筛选出拥