【2025年数学建模美赛D题】可运行代码+建模过程分析+结果分析

本文链接：https://blog.csdn.net/Magnolia_He/article/details/145346299

写在前面

发布赛题一直到现在，完成了D题完整的解题过程，包括代码完整代码与结果、解题思路、模型文档与论文框架~

学姐的代码和论文框架保证原创，保证高质量哦，都是跟F奖学长一起努力完成的!!

题目分析

目标1：弗朗西斯·斯科特·基桥的倒塌对巴尔的摩的交通系统产生了巨大影响。你们的网络模型显示了这座桥梁倒塌和/或重建的影响是什么？请突出显示对巴尔的摩及其周边地区各利益相关者的影响。

目标2：许多巴尔的摩市民步行或乘坐公交车出行。选择一个影响公交或人行步道系统的项目或潜在项目。你们的网络模型显示了这个项目的影响是什么？请突出显示对巴尔的摩及其周边地区各利益相关者的影响。

目标3：为交通网络推荐一个最能改善巴尔的摩居民生活的项目。
a. 这个项目对居民有什么好处？
b. 你们的项目对其他利益相关者有何影响？
c. 解释你们的项目如何破坏其他交通需求和人们的生活。

建模分析：

在巴尔的摩的交通网络建模中，我们可以将其交通系统表示为一个有向图，其中节点集合 V = {v_1, v_2, v_n} ) 代表交叉口、公交站点等关键点；边集合E = {(v_i, v_j)) 代表道路、公交线路、人行道等交通路径。在这里插入图片描述

在这里插入图片描述

每条边可以赋予不同的权重，如距离、通行时间或交通流量，以便进行更精确的分析。通过这种建模方法，我们可以进行多种应用，例如分析桥梁倒塌对交通流量的影响，通过移除桥梁对应的节点或边来模拟交通流量的重新分布；或者优化公交路线，通过调整边的权重（如增加公交线路的权重）来找到最优路径。这种图论方法为城市交通系统的分析和优化提供了有力的工具。

城市居民、郊区居民、游客
城市居民、郊区居民和游客是巴尔的摩交通系统的核心使用者。城市居民依赖公共交通和步行系统进行日常通勤和生活，关注出行便利性、安全性和成本；郊区居民则主要通过高速公路和公共交通系统通勤到市区工作，希望减少通勤时间和交通拥堵；游客则依赖便捷的公共交通系统连接主要景点，关注交通信息的清晰性和出行的安全性。交通系统的改进直接影响这三类群体的日常生活、工作效率和旅游体验。

政府机构
政府机构在交通系统中扮演着规划者和管理者的角色，关注城市发展、交通安全和环境保护。政府希望通过交通系统的改进促进城市经济增长和可持续发展，减少交通事故率，并通过绿色交通系统降低污染和碳排放。交通系统的改进不仅影响城市的管理效率，还直接关系到城市的长期发展目标和居民的整体福祉。

环保组织和社区组织
环保组织和社区组织关注交通系统对环境和社会的影响。环保组织提倡绿色交通系统，希望通过减少污染和碳排放来保护环境，推动可持续发展；社区组织则关注交通系统对社区连通性和公共空间的影响，希望通过交通改进增强社区的活力，增加绿地和休闲空间，并促进居民参与交通系统的规划和决策。交通系统的改进对环境保护和社区生活质量有着深远的影响。

第一问

方法：网络流模型

说明：通过网络流模型，我们可以模拟桥梁倒塌前后交通流量的变化，评估其对不同利益相关者的影响。我们可以使用图论中的节点和边来表示交通网络中的交叉口和路段，通过计算不同路径上的流量来评估桥梁倒塌的影响。

网络流（Network Flow）：
1)在一个有向图G=(V,E)中，V是节点集合，E是边集合。
2)每条边(u,v)∈E都有一个容量c(u,v)，表示该边允许通过的最大流量。
3)网络中有一个源点s和一个汇点t，源点只流出流量，汇点只流入流量。

流量（Flow）：
1)对于每条边(u,v)，定义f(u,v)为从u到v的流量。
2)流量必须满足容量限制：f(u,v)≤c(u,v)。

流量平衡（Flow Balance）：
对于除了源点和汇点以外的每个节点u，其入流和出流必须相等，即∑p∈Ef(p,u)=∑q∈Ef(u,q)。

代码流程与思路

在这里插入图片描述

##数据预处理：

1数据读取

1.1读取节点数据 (nodes_all.csv)：

目标：读取巴尔的摩交通网络中的节点数据，包括节点ID、纬度和经度信息。
(1)使用 pandas 库读取 nodes_all.csv 文件。
(2)根据巴尔的摩市的经纬度范围，进行数据清洗，筛选出纬度在 [39.18, 39.33] 和经度在 [-76.71, -76.45] 范围内的节点。
(3)采用info() 输出节点数据的基本信息（如节点数量、经纬度范围等），以确定数据正确读取。

1.2读取边数据 (Edge_Names_With_Nodes.csv)：
目标：读取交通网络中的边数据，包括街道名称和连接的节点列表。
(1) 使用 pandas 读取 Edge_Names_With_Nodes.csv 文件。
(2) 删除包含空值的行，确保数据完整性。
(3) 将节点列表从字符串格式转换为整数列表（如 “[123, 456]” 转换为 [123, 456]）。

2构建图（Graph）

2.1创建图对象:
（1）使用 networkx 创建一个无向图 G。
（2）将筛选后的节点添加到图中，并为每个节点附加纬度和经度信息。

2.2添加边:
(1) 遍历边数据，将每对相邻节点作为边添加到图中。
(2) 只添加两个节点都在筛选后的节点列表中的边。

2.3输出图的基本信息:
输出图的节点数、边数和平均度。

3计算节点的重要性

3.1定义 Haversine 距离函数:
使用 haversine_distances 计算两个经纬度坐标之间的地理距离。

3.2计算节点的邻居距离之和:
对于每个节点，计算其与所有邻居节点的距离之和，并返回平均值。

3.3综合评分:
使用公式 combined_score = alpha * degree - beta * distance_sum 计算每个节点的综合评分。其中alpha 是节点度的权重，beta 是距离之和的权重。

3.4筛选前50个节点:
根据节点的度排序，选择度最高的50个节点。

3.5筛选最重要的20个节点:
根据综合评分排序，选择评分最高的20个节点，同时确保选中的节点之间的距离小于2000米（避免节点过于集中）。

4 处理额外地理坐标点

将 DMS 坐标转换为 DD 坐标:
定义函数 dms_to_dd，将度分秒（DMS）格式的坐标转换为十进制度数（DD）格式。

找到最近的节点:
对于每个额外的地理坐标点，找到距离最近的节点，并将其添加到选中的节点列表中（如果尚未存在）。

5 可视化选中的节点

5.1创建地图:
（1）使用 folium 创建一个地图对象，初始位置为选中节点的中心点。
（2）添加标记：将选中的节点添加到地图上，并为每个节点添加标记（Marker）。标记包含节点ID、经纬度等信息。

5.2保存和显示地图:
将地图保存为 HTML 文件（selected_nodes_map.html）。在 Jupyter Notebook 或其他支持的环境中显示地图。

6 关键技术与方法

1.Haversine 距离计算:
用于计算两个经纬度坐标之间的地理距离。
公式：haversine_distance = 2 * R * arcsin(sqrt(sin²(Δlat/2) + cos(lat1) * cos(lat2) * sin²(Δlon/2)))，其中 R 是地球半径。

2.图的构建与分析:
使用 networkx 构建图，并分析节点的度和邻居关系。
通过节点的度和邻居距离计算综合评分，筛选重要节点。

3.地理坐标转换:
将度分秒（DMS）格式的坐标转换为十进制度数（DD）格式，便于计算和可视化。

4.可视化:
使用 folium 库将选中的节点可视化在地图上，支持交互式操作（如点击标记显示详细信息）。
构建网络流模型：
在这里插入图片描述

关于剩下的对于其它利益相关者的影响，这边通过数据分析，得到了如下表格

第二问

选取最重要的20个公交站点

（1）从Bus_Stops.csv文件中读取公交车站数据，并同样根据给定的纬度（39.18 ， 39.33）和经度（-76.71 ，-76.45）范围筛选出符合条件的公交车站。
（2）对 Stop_Rider（客流量）列进行标准化处理，将其值缩放到 [0, 1] 范围内。
并假设接近中心性与客流量相关，直接用标准化后的客流量作为接近中心性的代理。
（3）计算综合评分，按照客流量分配0.6权重，接近中心性分配0.4权重计算综合评分，并从高到低排序，取前20个站点。之后添加5个边界点，将边界点和综合评分最高的 20 个点合并，并去重。
（4）创建一个以巴尔的摩为中心的地图，初始缩放级别为 13。在地图上添加公交站点，并标记位置：[纬度, 经度]和图标：蓝色公交车图标（使用 Font Awesome 图标库）。

选取经过这20个站点的公交线路

（1）数据读取与初步处理：从MDOT_SHA_Annual_Average_Daily_Traffic_Baltimore.csv导入数据。
（2）数据筛选与清理：筛选并保留特定功能类别的数据，例如指定需要保留的列，包括 AADT Bus 和 GIS 相关列（node start 和 node(s) end）。删除 node start、node(s) end 或 AADT Bus 为空的行。将 node start 和 node(s) end 列合并为一个 nodes 列。并删除原始GIS 列。
（3）节点信息提取：使用正则表达式从 nodes 列中提取所有数字，并转换为整数列表。对 nodes 列应用提取函数，生成 extracted_numbers 列。
（4）创建一个以巴尔的摩为中心的地图，初始缩放级别为 13。并创建一个 MarkerCluster 对象，用于聚合节点标记点，避免地图上标记点过多时难以查看。遍历 extracted_numbers 列，检查节点是否在 G 中，如果在，则添加都地图上，并根据 AADT Bus 的值设置标记的颜色和大小。
在这里插入图片描述

添加与客流量相关的公交车站

（1）创建地图对象并设置地图中心，将地图的中心位置设置为 Baltimore 的经纬度。
（2）添加巴士站标记：遍历 final_points DataFrame 中的每一行，提取巴士站的经纬度、客流量（Stop_Rider）和评分（score）。使用 folium.CircleMarker 在地图上添加巴士站标记，标记大小与客流量（Stop_Rider_normalized）相关。
（3）添加节点和边，遍历节点列表中的每一对相邻节点。检查节点是否在 G 中如果节点存在于图 G 中，则获取其经纬度，并使用 folium.CircleMarker 在地图上添加节点标记。