用出租车GPS数据分析深圳交通道路情况.docVIP

用出租车GPS数据分析深圳交通道路情况 摘要：本问根据深圳市出租车GPS数据所提供的信息，针对交通出行数据的空间分布特征， 选取了4月18号这天的了两个时间段一个是早上7:00-11:00，另一个是晚上17:00-22:00并抽取出租车载客过程中乘客上下车的 GPS 位置坐标，利用 K-Means 空间聚类算法进行交通小区的划分。结合深圳市的行政区域共划分出6个交通小区，并用聚类中心的点来代表该小区。由出租车提供的GPS数据和小区划分，给出载客出租车的OD时空分布，OD时空分布表3。假设人们出行到各个小区的概率是等可能的基础上，又对人们的出行的OD时空分布进行了推断表4，出租车载客后的行驶数据， 采用Excel对数据的处理，筛选出拥堵的时段的行驶数据并设定拥堵的标准，得到对于出租车在路段上的车速在第一个时间段小于2.92733公里/小时的时候可以认为拥堵，拥堵的时段10：00-11:00；同样对于晚上的时间段当车速小于3.55公里/小时，可以认为拥堵，拥堵的时段17:45- 19:00.最后，以附录的形似给出了K-Means 空间聚类算法的matlab程序。 关键词 K-Means空间聚类算法 OD时空分布 交通小区 Excel 1.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：某时刻从坐标到、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OD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。 2.模型假设 1、认为在我们选取的时间段之外，出租车数据对我们的结果影响很小，可以不考虑。 2.、我们认为0就是没人，1就是有人，而且乘坐的人数也就是一个人。 3、假设所有出租车都只能在划分的几个小区内，不能跑出小区之外。 4、乘客在某个小区上车后前往各个小区的概率是等可能的，如在途中还经几过小区那他下车的概率也是等可能的。 3.符号说明 X：给定的原始数据集 ：第K个聚类集 ：第K个聚类中心点 ：样本i和j之间的距离 P(i,j):表示从i小区到j小区的概率 n:从i小区到j小区之间要进过的小区个数 q:在n个小区之间下车的概率 T：表示平方准则层函数 ：表示期望在n小区下车的人数 ：7:00-11:00之间的平均速度， ：17:00-22:00之间的平均速度 ：本小区的不离开车辆数 4.模型的建立与分析 4.1对问题一二的分析和建立模型 4.1.1 交通小区概念 交通小区是具有一定交通关联度和相似度的节点或连线的集合，反映了城市路网交通特征的时空变化特性。交通小区具有同质性、关联性、动态性、稳定性、自组织性等特性。交通小区的划分是分析城市交通网络的一个很好的方式,因为交通小区内具有相似的交通特征和较强的交通关联性。交通小区的划分与该城市的人口、面积、经济特征、产业结构等密切相关。 4.1.2模型建立 假设给定数据集X={|xi∈RP，i=l，2，?，n)，其中还有 j个样本描述。 个聚类中心分别为、、、、、 两样本之间的欧氏距离为 再由评价准则函数 最后得到 k个聚类中心。 算法思想： (1)从 X个数据据对象中任意选择k个对象作为初始聚类中心； (2)循环下述流程(3)到(4)，直到目标函数 T值不再变化； (3)根据每个聚类对象的均值(中心对象)，计算每个对象与这些 中心对象的距离，并且根据最小距离重新对相应对象进行划分； (4)重新计算每个聚类的均值(中心对象)。 4.1.3模型一二的求解 根据出租车载客的起点和讫点，选取两个时间段的车辆GPS数据，由于数据庞大，我们对选取的原始数据进行优化，优化后原始数据的一部分见表1 表1 优化原始数据部分 name .time jd wd status v angle 粤BA1A15 2011-4-18 7:03 114.0435 22.60092 0 0 4 粤BA1A15 2011-4-18 7:19 114.0677 22.52373 1 32 2 粤BA1A15 2011-