数模我们的2013国赛模拟

1、用出GPS数据道用出GPS数据道路交11 11 11 张程胜然摘要出租车上安装的 GPS 终端收集的数据，可以帮实时掌握车辆的运行情以及推断道路的通行情况，以便更好进行交通规划。在本借助K-means ，利用误差反传神经网络(BP 神经网络出租车流量摘要出租车上安装的 GPS 终端收集的数据，可以帮实时掌握车辆的运行情以及推断道路的通行情况，以便更好进行交通规划。在本借助K-means ，利用误差反传神经网络(BP 神经网络出租车流量并建流量模型，综合定义拥挤程度分析拥挤的道路并给出解决道路拥挤的措施问题一：首先选取出租车载客和卸客的地点，然后分别用基于密度算法的改K-means 算法对载客和

2、卸客的地点进行最后根据出租车的载客和卸客的密集得到其出行规律：出租车主要将客人送到南头检查站周围的区域以及罗湖区和福区，然后就近在这几个地区载客问题二借助误差反传神经网络(BP 神经网络道其他时间的出车流量市出租车与总的机动车的数量比例为 1:153，根据道路连接的功能区同引入调整权值 ，成功根据出租车的流量完成对道路总机动车流量的衡量用此流量模型可计算得每条道路的流量，例如：梅观路在 2011-4-28 12:00 的流量2941的车速和车流量定义拥挤程度，将车速v 20km/ h问题三500辆5分钟状况的道路定义为拥挤，对比四个不同时段：且流量、晚、早闲时、晚闲时的情况，得到泥岗路、宝安南

3、路、红岭路、滨河路、梅路这几条路拥堵情况是最严重的，而 G15 沈海高速、S33 南光高速、水官高速拥情况是最不严重问题四：梅观路的拥堵情况比较严重出行规律理解出行目的以及选择的交通工具。拥挤直接原因上下班经过梅林关广场区域，那的汇流路线众多，造成了交通拥堵。另外，该火车站来往频繁也造拥挤原因是梅观路连接的龙华新区发展没有福田或罗湖区发展快，所大多选择住在房价低的龙华新区而到福田或罗湖上班或购物，也就是区域结构发不均匀导致梅观路拥挤关键字K-means聚误差反传神经量速一问题重述与分GPSGPS问题一： GPS。GPSK问题二根据GPS的分析： 在一问题重述与分GPSGPS问题一： GPS。G

4、PSK问题二根据GPS的分析： 在谷歌地图上将给道段的交通道路拥堵图，列出拥堵情况最严重和最不严重的3-520km/h分析段的交通道路拥堵图，列出拥堵情况最严重和最不严重的3-520km/h分析二模型假三符号说k二模型假三符号说kE ：数据集所有对象与它所在簇的中心点的平方误差的总Ci k个簇中的第i：簇Ci d(i, jn维数据对象ijxi1xi2，xin：对象i1，2，n维的数据 ，1，2，Ptsmin：邻域包含对象的最小数目tqi t内第iTotalf ：Taxif ：（取路段的中间部分）第i 时刻的有效、 模型的建立、求解、检验与分4.14.1.1 ：（取路段的中间部分）第i 时刻的有

5、效、 模型的建立、求解、检验与分4.14.1.1 GPS 点、经度、纬度、车辆状态（0 为空载；1 为重载v四 2011/04/18时粤B000H6 0030031041 2011/04/18时粤B000H6 003003104104003003车辆粤B00G292011/04/18”变成“1”变成“0 10040010111111车辆粤B00G292011/04/18”变成“1”变成“0 1004001011111101310011”和第一个“01/3 3000，主要采用了改进的K-means模型的建介绍一下K-means K-means k ”和第一个“01/3 3000，主要采用了改进的

6、K-means模型的建介绍一下K-means K-means k 013100了一个簇的平均值或中心;将它赋给最近的簇;准则函数E 定义为2kE了一个簇的平均值或中心;将它赋给最近的簇;准则函数E 定义为2kE|xxi1 其中: E是数据集所有对象与它所在簇的中心点的平方误差的总和，E越大说明对象与聚类中心的距离越大，簇内的相似性越低;反之E 越小说x为簇内的一个数据对象; xi 是簇Ci 的聚类中心k 的个数Ci 是k个簇中的第iK-means 算法具体描述如下2：K-means K 统K 采用基于密度算法的改进K 法【1K k文取相距最远的K 统K 采用基于密度算法的改进K 法【1K k文

7、取相距最远的k个处于高密度区域的点作为初始聚类中心.定义1 越大，说明数据对象所处区域的数据密度越低;反之， 越小，说明数据对象所处对象。如果一个对象的邻域至少包含2 3 ：两个n维数据对象的距离公式为d(i, j)(x y )2 (x y )2 (x ii其中: d(i, j是n维数据对象ij的距离; xi1xi2 ，xin yi1，yi2yin 分别表示对象ij1，2， n K 输入:包含n 个对象的数据集、簇的数目、邻域半径象的最小数目Ptsmin 输出:满足准则函数收敛的k算法步骤1)计算数据集中所有对象间的距离d(i输入:包含n 个对象的数据集、簇的数目、邻域半径象的最小数目Ptsm

8、in 输出:满足准则函数收敛的k算法步骤1)计算数据集中所有对象间的距离d(i, j2) 计算每个数据对象的-Ptsmin D 3) 从集合 D 中找出处于最高密度区域的数据对象k1，即该对象的D 中删除该对象，将k14) 计算k1D 中所有数据对象的距离，找出离k1k2 ，从集合D 中删除该对象，然后将k2 5) 从集合D 中找出离k1 和k2 最远的数据对象k3 k3 与k1 k2 D 中删除该对象，然后将k36) D k7) 从得到的这kK K3000和卸客的数据分别进行聚类，最终结果呈现如下（市关内外（湖、福田、南山、盐田四个区属于关内）GDP2829.62和卸客的数据分别进行聚类，最

9、终结果呈现如下（市关内外（湖、福田、南山、盐田四个区属于关内）GDP2829.62 GDP1667.94 唯一的国际机场位于宝安区（1 达3 达3 （1）出租车在边缘地区的卸客量远大于载客量（3、4 （1）出租车在边缘地区的卸客量远大于载客量（3、4 4.2GPS 5000米为一段GPS 的出租车。取t 4.2GPS 5000米为一段GPS 的出租车。取t 令t5 2Totalf n其中是该道路的流量，qi为t内第i段路的车辆数，n。考虑到误差反传神经网络(BP 神经网络)2Totalf n其中是该道路的流量，qi为t内第i段路的车辆数，n。考虑到误差反传神经网络(BP 神经网络)神经网络是一

10、个由一些高度相关的处理单元所组成的计算系统, ( 1) 处理单元(神经元) : 处理单元是神经网络的基本组成部分, ( 2) 联接权重联接权重是将神经网络中的处理单元联系起来, 3) 层( 4) 阀值: 地获取所要描述的函数关系, ( 5) 转移函数转移函数通常为非线性函数, 它是将输入的数据转BP 418日（周一）26 日（周二BP （）过程中BP 418日（周一）26 日（周二BP （）过程中联接的道路的同时间段的历史流量（, 过接通路返回, 通过修改各层神经元的联接权重使误差减少, 向如此反复计算, 6：BP6：BPN 尔函数的前向网络所需权系数数目W NW 1log2 市出租车总量（1

11、.5 万辆左右）占总机动车（230 153 其中：Totalf 是总机动车流量，Taxif 是出租车流量，是调整权值（N 尔函数的前向网络所需权系数数目W NW 1log2 市出租车总量（1.5 万辆左右）占总机动车（230 153 其中：Totalf 是总机动车流量，Taxif 是出租车流量，是调整权值（-2011-4-272011-4-272011-4-282011-4-28路2011-4-292011-4-272011-4-272011-4-282011-4-28路2011-4-294.320 千米/10 千米/v4.320 千米/10 千米/v车辆运行受外界制约较小，车流比较稳20v车

12、辆运行车速较低,有一定延误,排队现象时有发生,车流不稳, 可以接受车辆运行速度较低,延误较大,始终有车辆排队，有较大延误,饱和度较高,能忍v车辆速度极低,几乎不能前行,始终有车1 分钟内车辆的速度是突变的（为零认为此时间段内的“0vv1 v2 nvvi （取路段的中间部分）第i 刻的1 分钟内车辆的速度是突变的（为零认为此时间段内的“0vv1 v2 nvvi （取路段的中间部分）第i 刻的有效速度n 是指在这个路段8 v20,Totalf v20,Totalf v20,Totalf v20,Totalf 模型的求03:00:00ttt 时刻也为低速)记后，再进行K-mean由于出租车管理中心收到信息最短的间隔为 1模型的求03:00:00ttt 时刻也为低速)记后，再进行K-mean由于出租车管理中心收到信息最短的间隔为 1 分钟，所以取t1min9:00:0089:00:00 91089:00:00 91011121112 关 关7 8 910 是G15010 S33 4.4 问题7 8 910 是G15010 S33 4.4 问题关直接原因及相应解决措（1）11 条道（2 条进站车道6 1 直接原因及