文档介绍：用出租车GPS数据分析深圳道路交通情况摘要本文主要讨论了深圳交通小区划分及利用交通小区获取感兴趣的交通信息的问题。首先,我们对获取的出租车GPS数据进行了预处理,由于GPS数据中地点由经纬度表示,而地球某一微小地区表面可以近似看成是平面,为了直观和方便,我们将该地区经纬度坐标转换成常见的平面直角坐标。然后,根据交通小区的划分原则之一:应保证划定范围内的土地利用特征应尽可能简单,尽量不打破城市行政区的划分,再结合深圳实际的地理特征,独创性地引入了交通大区的概念,并根据行政区的划分首先得到交通大区的划分。紧接着,利用层次分析法、模糊数学聚类分析法对交通大区进行分类,由于各个交通大区在经济、社会等方面存在一定程度上的相似性,分类后同类别的交通大区可以用相同的方法进行后期处理。以上先划分后分类的做法可以使深圳复杂的不易处理的交通状况进行简化,分解为几类简单的易于处理的交通板块状况。由于划分交通小区是为了研究交通流动信息,而人们的出行往往是在其所生活的交通大区内,所以必须对交通大区进行细分,以便得到更为准确的人群出行情况。在细分过程中,我们考虑到既要使人们的一次出行尽可能的穿越交通小区,又要控制交通小区的数量,不能使其太多,不方便处理。我们根据一组人们的一次出行距离的数据,进行了交通小区的半径择优,从而确定了各个交通大区内的交通小区的细分个数。利用快速聚类分析法和简单的MATLAB程序实现了深圳整个城市交通小区的划分。之后在已划分的交通小区的基础上,得到了人们出行的OD时空分布并其进行了分析,绘制出某时间段深圳整个城市路段网络的通畅情况图,这是对深圳交通情况的一个客观反映。关键词:坐标转化交通大区交通小区模糊数学聚类分析法层次分析法快速聚类分析法交通小区半径择优法OD时空分布一、问题的提出1、背景目前,我国正在提倡大力发展公共交通,出租车因其便利的特点成为公共交通的重要补充。出租车交通运行特点可以从一定程度上客观地反映人们的出行时空分布特点和道路交通状况,因此,对出租汽车交通运行特点进行深入研究有其必要性和现实性。当前,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。2、问题根据GPS终端所采集的数据,解决以下几个问题: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。二、模型假设1、经纬度坐标转换由于GPS数据中地点由经纬度表示,而地球某一微小地区表面可以近似看成是平面,为了直观和方便,我们不妨将该地区经纬度坐标转换成常见的平面直角坐标。事实上,转换成平面直角坐标系足以帮助我们分析问题,并不会对问题实质带来多大的影响。2、出租车的出行过程假设我们定义主体从出发点到终止点行驶的过程为主体的一次出行。根据主体的不同,可以分为出租车和乘客两类。出租车的出行分为有载出行和无载出行两种状态,有载即为出租车载客,在GPS数据车辆状态中用1表示;无载即为出租车不载客,在GPS数据车辆状态中用0表示。3、对出租车的出行进行理想化处理假设处在营运过程中的出租车始终在有载和无载两个状态之间变换,不考虑在一个地方停留的情况。4、随机抽取部分数据,简化数据处理工作量本题所给数据相当庞大,包含了大约10000辆出租车的数据,由于技术上的原因,不可能利用所有数据并对其进行处理。随机抽取10辆车的数据,这10辆车的出行出发点和终止点也是随机的,而且每辆车的点的数目也足够多。也就是从概率上说,每辆车出现在深圳各个地点的可能性都是存在的。这样,就可以由10辆出租车的数据来客观反映整个城市上万辆出租车的情况。5、出租车实际行驶距离的折算由GPS数据得到的出租车出行距离为出发点和终止点之间的直线距离即位移,而实际生活中,由于道路不是笔直联系两点的,存在转道、上下坡等地形,出租车从出发点到终止点的路程是大于两点之间位移的。GPS数据得到的直线距离和出租车实际行驶距离之间的相互转换需要引入一个距离折算系数K,即实际距离=K*直线距离。三、符号说明1、name:车牌号2、time :采集时间点3、jd:经度4、wd:纬度5、status:车辆状态(0=非打表,即:空载;1=已打表,即:重载)6、v:车速(单