如何用DBSCAN结合出租车GPS数据识别乘客热点？求Python实现代码

核心逻辑 #

利用DBSCAN的密度聚类特性，从出租车GPS数据的上下客点（尤其是下客点，对应乘客目的地）中识别高密度区域，这些区域就是乘客热点。

依赖库安装 #

先确保安装必要工具包：

pip install pandas numpy scikit-learn matplotlib

完整代码实现 #

import pandas as pd
import numpy as np
from sklearn.cluster import DBSCAN
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt

# ---------------------- 1. 数据加载与预处理 ----------------------
# 替换为你的GPS数据路径（CSV格式，需包含经度lon、纬度lat、上下客状态status）
# 假设status字段：1=下客，0=空载，2=载客（可根据你的数据定义调整）
df = pd.read_csv('taxi_gps_data.csv')

# 筛选下客点（如果需要包含上客点，可改为df[df['status'].isin([1, 2])]）
target_points = df[df['status'] == 1][['lon', 'lat']].values

# 标准化数据（DBSCAN对距离敏感，标准化能避免经纬度数值差异影响聚类）
scaler = StandardScaler()
scaled_points = scaler.fit_transform(target_points)

# ---------------------- 2. DBSCAN聚类 ----------------------
# 参数说明：
# eps: 邻域半径（标准化后的值，对应实际距离可通过scaler反推；若用原始经纬度+haversine距离，需转弧度）
# min_samples: 邻域内最少点数，值越大聚类越严格，过滤零散点效果越好
dbscan = DBSCAN(eps=0.001, min_samples=20)
cluster_labels = dbscan.fit_predict(scaled_points)

# 将聚类结果合并回原数据
result_df = df[df['status'] == 1].copy()
result_df['cluster_id'] = cluster_labels

# 过滤噪声点（cluster_id=-1表示不属于任何聚类的零散点）
hotspot_points = result_df[result_df['cluster_id'] != -1]

# ---------------------- 3. 结果可视化与输出 ----------------------
# 绘制热点分布图
plt.figure(figsize=(12, 8))
# 灰色点：所有下客点
plt.scatter(result_df['lon'], result_df['lat'], c='lightgray', s=3, label='All Dropoff Points')
# 彩色点：识别出的热点
plt.scatter(hotspot_points['lon'], hotspot_points['lat'], c=hotspot_points['cluster_id'], 
            cmap='coolwarm', s=8, label='Passenger Hotspots')
plt.xlabel('Longitude')
plt.ylabel('Latitude')
plt.title('Taxi Passenger Dropoff Hotspots')
plt.legend()
plt.show()

# 计算并输出每个热点的中心坐标（取聚类内所有点的经纬度均值）
hotspot_centers = hotspot_points.groupby('cluster_id')[['lon', 'lat']].mean()
print("识别到的乘客热点中心：")
print(hotspot_centers)

参数调整技巧 #

1. eps值调整：
   • 若用标准化后的数据：eps=0.001对应原始经纬度的差异约为（scaler.scale_ * 0.001），可根据实际地理距离换算（1度经/纬度≈111公里）
   • 若直接用原始经纬度计算球面距离，需设置metric='haversine'，并将经纬度转为弧度，eps设为实际距离/地球半径（如100米=0.1公里，eps=0.1/6371≈1.57e-5）
2. min_samples值调整：
   • 城市核心区域可适当调大（如30），过滤小范围零散点；郊区可调小（如10），避免漏识别小众热点

内容的提问来源于stack exchange，提问作者zhengkoala