交通运输数据技术 作业五 ——基于共享单车出行数据的聚类分析

请根据每条出行记录的OD点，估算出行距离。
基于行程时间和出行距离，计算共享单车的骑行速度。
基于骑行速度的合理范围（< 25 km/h），删除不合理的出行记录。

背景

聚类分析是一种常用的数据分析方法，可以帮助我们发现数据集中的模式和群组。对于基于共享单车出行数据的交通运输数据技术，聚类分析可以帮助我们理解用户行为、优化车辆调度、改善交通规划等方面。

数据预处理

一、数据预处理（data preprocessing），使数据不同的特征具有相同的量纲

library(tidyverse)
data <- read.csv("obike_1.csv")

根据提供的共享单车出行数据的结构信息，obike是一个包含16386行和7列的数据框（data.frame）对象。每列的含义如下：

• bike.ID: 车辆ID，表示共享单车的唯一标识符，为整数类型（int）。
• otime: 出发时间，表示共享单车出发的日期和时间，为字符类型（chr）。
• olgt: O点经度，表示出发地点的经度，为数值类型&#