2、问题分析.docVIP

深圳市交通小区的划分 北京邮电大学世纪学院 于乾坤、郭威、盛乾坤 摘 要 本文选题来源于2011年全国大学生数学建模夏令营的D题，借助于D题给出的大量出租车GPS终端记录数据，对深圳市的交通小区的划分做了详细的研究。 首先对于给出的海量数据进行筛选，利用数据库（Microsoft SQL Server 2005）剔除不合理的数据，分析筛选后得到的数据，确定深圳市的经度在区间，纬度在。 在第一问题中，把车辆状态从“0”变为“1”的点，记为出租车载客的起讫点。同时将深圳市出租车活跃区域，按照经纬度以为单位划分成面积为的小方格。根据出租车的起讫点，统计每个小方格中的出租车的数量。利用MATLAB对其进行曲面拟合，从而得到深圳市出租车数量统计分布图。 在第二个问题中，把第一问中所得到的原始数据按照不同差异点进行分类：孤立差异点、大量聚集差异点、大量分散差异点。然后利用DBSCAN算法的基本思想，对数据进行穷举和迭代优化。经过不断地提高数据的筛选条件，生成完整聚类数据表，剔除弱关联度的聚类数据，结合深圳市实际地理情况，最终得到符合上述差异点分类的交通小区和小区代表点的经纬度。 关键字： 数据筛选，曲面拟合，聚类分析，DBSCAN算法  一、 问题重述 1 1.1 背景资料： 1 1.2 需要解决的问题： 1 二、 问题分析 1 2.1 对采集的出租车GPS终端数据的分析： 1 2.2 问题一的分析： 2 2.3 问题二的分析： 2 三、 模型假设 2 四、 符号说明 2 五、 模型的建立与求解 3 5.1 问题一的数据筛选： 3 5.2 问题二的解决方案及模型 4 六、 模型的评价 12 6.1 模型的优点 12 6.2 模型的缺点 12 七、 参考文献 13  问题重述 背景资料： 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。 以深圳市为例，利用采集出租车GPS终端数据[1]，对深圳市交通问题进行分析。 需要解决的问题： 问题一：根据出租车载客的起讫点，画出深圳市出租车数量统计分布图。 问题二：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。 问题分析 对采集的出租车GPS终端数据的分析： 数据采集时间段为2011/04/18－2011/04/26,出租车车辆总数为13798台。 数据概况： 数据总大小约9.7GB（ANSI字符格式下）； 每辆车的数据记录条数约为5000-15000条不等，且波动很大； 因行车环境的影响，GPS数据采集间隔时间周期不恒定。 每个车辆轨迹数据文件均以车牌号命名，数据文件采用txt格式存储，数据文件由7个字段构成，分别如下： name 车牌号 time 采集时间点(格式：YYYY/MM/DD hh: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） 记录范例： 粤B000H6, 2011-04-18 00:07:53, 114.11834, 22.57485, 0, 0, 0; 粤B001H0, 2011-04-20 08:13:58, 113.948364, 22.563717, 1, 36, 6; 数据之中含有不合理数据，包括： 错误的打表信息，例如：车辆状态既不是0，也不是1； 错误的采集时间信息。例如：在终端数据中出现：1970/1/1 00:00:00。对于这种现象，将GPS所记录的打车时间判定为GPS初始化时间。 错误的经纬度信息。例如：在实际数据测量数据中，出现了经度纬度都为零，以及一些偏离绝大多数车辆所测得经纬度信息。 问题一的分析： 由于记录的数据具有相似的特点，对于这种类型的数据，可以直接运用Microsoft SQL Server 2005软件进行处理。在确定出租车起讫点之前，首先要剔出采集数据中的错误数据。其次对剩余的数据进行分析，对数据的分布进行总体预估。 按照车辆牌照进行聚类抽样，得到了深圳市内出租车的活跃矩形区域的经纬度为：东经113.7°至114.395°，北纬22.4°到22.695°。 而从深圳政府在线上[2]得到的深圳市经纬度信息：东经113°46′至114°37′，北纬22°27′至22°52′。 由于在采集的数据中，实际测量结果和官方结