《表1 minPts与聚类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习的共享单车热点区域识别及需求预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据Geohash编码的性质，取原编码前6位，得到汇聚区块的数量7291块，识别汇聚区块中的热点区域。设置DBSCAN的参数时，应考虑汇聚区块的空间分布和出行量属性。6位Geohash编码的距离误差为±610m；汇聚区块的出行量中，第80百分位数为843次。因此，邻域半径ε设定为1750m，出行量阈值minT设定为850次。DBSCAN依据密度相连的定义，对样本集贪婪划分，将导致集合规模差异较大。设置不同的minPts，统计集合个数与规模方差，结果如表1。当minPts取15时，集合个数合理，规模方差最小，作为最终参数。