找出各站点的借车高峰时段和还车高峰时段.pptVIP

CUMCM 2013D * * * * * * * * * * * * * * * * * * * * * * * * * * 三、参考解答思路 四、问题3-2求解思路 借车频次最高的站点为42号(街心公园)站点，还车频次最高的站点为56号(五马美食林)站点。对这两个站点统计借还车时刻分布以及用车时长分布。将一天中的24小时划分成以0.2小时为间隔的若干时段，分别统计落入每个时段的借还车频次，即可用来反映借还车的时刻分布。 三、参考解答思路 四、问题3-2求解思路 按照问题二模型的方法来统计两个站点的用车时长 三、参考解答思路 四、问题3-3求解思路 峰值搜索算法 由3-2的分析可知，借车与还车时刻分布具有一定的规律，表现为存在一定的显著高于平均值的高峰时段，可通过找到每个站点的这些峰值的位置，用来评价公共自行车系统的运行状况。 峰值一定是频率密度函数的极大值，但是极大值并不一定是峰值。随机因素造成的波动同样可能在频率密度函数中产生极大值。可以使用均值滤波的方法减弱随机因素造成的影响。均值滤波即使用某一点附近的一个小区间内的点的平均值来代替这个点的数值。 三、参考解答思路 四、问题3-3求解思路 峰值搜索算法 三、参考解答思路 四、问题3-3求解思路 峰值搜索算法 对滤波之后的结果求极大值，定义当极大值大于整个取值范围的60%才为峰值时刻。当多个峰值之间的距离小于2个小时的时候，将它们视为同一个峰值，并用平均的时间代替峰值时间。 三、参考解答思路 四、问题3-3求解思路 用车高峰时段统计 根据峰值搜索算法对各站点的借还车高峰时刻进行统计，得到各个站点的借车和还车高峰数据 三、参考解答思路 四、问题3-3求解思路 高峰时段的聚类分析 采用K-means算法进行聚类分析，由于不同的站点具有的峰值数目不同，即所在的空间的维数不同，因而无法直接使用K-means算法进行聚类，此时可以将不同峰值数目的点折算成具有相同数目的等效峰值的点。例如，设等效峰值数目为20个，对于不足20个峰值的站点，需要将一些峰值时间复制成若干个。峰值时间复制的数目与峰值频次的大小成正比。 经过折算之后，即可使用k-means算法对20维等效峰值时刻空间进行聚类，使用欧式距离作为空间中点的距离，设置类数目为5个。得到结果后将同类的站点使用相同的颜色标记在地图上。 三、参考解答思路 四、问题3-3求解思路 高峰时段的聚类分析 借车站点高峰时刻聚类分析的结果 三、参考解答思路 四、问题3-3求解思路 高峰时段的聚类分析 还车站点高峰时刻聚类分析的结果 三、参考解答思路 四、问题4解答思路 可用借车频数、还车频数、可借比例（借车车位与总车位的比值）、可还比例、以及锁桩数量作为一个站台的评价的指标来对服务系统作出评价，因此可运用灰色关联分析法和聚类分析进行求解。 三、参考解答思路 四、问题4解答思路 三、参考解答思路 四、问题4解答思路 2. 指标值的规范化处理 由于批判指标间通常是有不同的量纲和数量级,故不能直接进行比较,为了保证结果的可靠性,因此要对原始指标值进行规范化处理。在这采用均值化法,得到如下公式: 三、参考解答思路 四、问题4解答思路 得到无量纲化矩阵 三、参考解答思路 四、问题4解答思路 3. 计算关联序 根据灰色系统理论,用关联分析法分别求得第m个方案第k个指标与第k个最优指标的关联系数 三、参考解答思路 四、问题4解答思路 从而计算出某站点各指标的优劣 三、参考解答思路 四、问题4解答思路 有了各个方案的排名，可再用聚类分析分成三类，求出每一类的关联度均值，从而进一步确定出类别间的优劣。 考虑到现实的可行性，用取均值的方法确定指标一（借车频数）、指标二（还车频数）、指标五（锁桩数量）的最优指标值，对于确定指标三（可借比例）、指标四（可还比例），这样的指数越大越好，最优指标均为可取1，因此得到最优指标集为： 三、参考解答思路 四、问题4解答思路 根据题目中数据，可以统计到每站的相应指标数，为此可以矩阵D 三、参考解答思路 四、问题4解答思路 三、参考解答思路 四、问题4解答思路 四、存在的问题与建议 好的论文组织可以弥补不太好的结果，而很差的论文组织将破坏掉好的结果； 要注重数学模型的建立于描述，要注意结果的检验； 要注意内容的完整性和问题解决的针对性，完成赛题所有要求做的事情； 论文摘要应该说明依据什么原理，对原始数据进行了如何处理，用了哪些建模方法，得到了哪些结论； 好的论文通常回答的问题要比赛题问的要多而广。 * * * * * * * * * * * 一、题 目 二、赛题评阅要点 三、参考解答 四、存在的问题与建议 汇报提纲 一、竞赛