1. 项目功能分为：数据预处理、坐标建模、轨迹分析、坐标聚类、生成聚类中心图和输出时间及位置信息。该项目的输入包括车辆ID、经纬度、方向、速度、状态(0：空载、1：有载客）、数据发送时间（年月日时分秒）、数据接收时间、行政区号和具体位置等信息，数据格式为.txt文件。该项目的目的是根据每辆车的轨迹信息，时间先后，及状态（有无载客）来确定上下车集中的位置和时间，本质上是实现坐标点的聚类。使用者可以修改输入数据（使用前需要将.txt格式转为.csv格式），替换和修改聚类算法，找到更加精确的聚类中心，提高预测精度。本项目中确定聚类中心的距离指标是欧氏距离，使用者可以根据实际需要修改为其他距离指标（如：曼哈顿距离）2. 本项目的难点在于数据筛选、坐标建模以及聚类中心的确定。将txt文件转为csv文件便于进行后续的数据处理，该数据集包含20万条车辆信息，包括：车辆ID、经纬度、方向、速度、状态(0：空载、1：有载客）、数据发送时间（年月日时分秒）、数据接收时间、车辆类型（全为0：出租车）、行政区号和具体位置，其中与项目相关的数据包括：车辆ID、经纬度（上下车点）、状态、数据发送时间（将该时间视为该车当时所处的时间点）、行政区号和具体位置。将经纬度转为位置坐标，根据车辆ID分组，然后按照时间先后进行排序，查看每辆车的运行轨迹以及载客状态的变化，根据肘部原则确定聚类中心的个数，使用K-means算法确定聚类中心的位置，生成聚类中心图，然后找到距离聚类中心最近的点，将该点的时间和位置信息（行政区号和具体位置）打印为一个文本