数学建模 最短路程
最短路径问题数学建模分析
径上的边权之和称为该路径的权,记为w(P). 从u到v
的路径中权最小者 P*(u,v)称为u到v的最短路径.
2
8 177
33 54
5
6 1 12
9 62
5 10 11
8
8
3 99
7 2 10
2
5
最短路径算法
Dijkstra算法
使用范围:
2
8 177
8
8
3354
5
61 1
9 9
6 2 5 12 11
输入加权图的带权邻接矩阵w=[w(vi,vj)]nxm. 1) 初始化 令l(v0)=0,S=; vv0 ,l(v)=; 2) 更新l(v), f(v)
寻找不在S中的顶点u,使l(u)为最小.把u加入到S中, 然后对所有不在S中的顶点v,如l(v)>l(u)+w(u,v),则 更新l(v),f(v), 即 l(v)l(u)+w(u,v),f(v)u; 3) 重复步骤2), 直到所有顶点都在S中为止.
②
ins=0;
for j=1:length(s)
if i==s(j)
ins=1;
end, end
if ins==0
v=i;
if k>label(v)
k=label(v); v1=v;
end, end, end
s(length(s)+1)=v1;
u=v1;
end
最短路径算法
Dijkstra算法程序的使用说明：
廉价路线航费表。
0 50 40 25 10 50 0 15 20 25
15 0 10 20 40 20 10 0 10 25
最短路径问题数学模型
最短路径问题数学模型
最短路径问题是指在一个给定的图中，求出两个顶点之间的最短路径的问题。
在实际生活中，这类问题很常见，比如我们要从一个城市到另一个城市，就需要找到最短的路线。
这个问题可以用数学模型来描述。
首先，我们可以把这个问题抽象成一个图论问题，其中图的顶点表示城市，边表示两个城市之间的道路。
每条边都有一个权值表示道路的长度。
假设我们要求从顶点s到顶点t的最短路径，我们可以用一个数组d来记录s到各个顶点的最短距离，初始化为无穷大。
然后，我们可以使用一种叫做Dijkstra算法的算法来求解这个问题。
具体的过程是：
1. 初始化d[s]=0，d[v]=无穷大（v≠s）。
2. 从未标记的节点中选择标号最小的节点v，对v进行标记。
3. 更新所有v的出边相邻节点的距离，具体为：若d[v]+v到该节点的距离< d[该节点]，则更新d[该节点]为d[v]+v到该节点的距离。
4. 重复步骤2和3，直到所有节点都被标记。
5. d[t]即为s到t的最短距离。
这个算法的时间复杂度为O(n^2)，其中n是节点数。
当然，还有更快的算法，比如Floyd算法，但是它的时间复杂度更高，达到了O(n^3)。
总之，最短路径问题是一个经典的数学问题，可以用图论和算法
来描述和求解。
熟练掌握这个问题对于计算机科学专业的学生来说非常重要。
最短路径数学建模案例及详解
最短路径数学建模案例及详解最短路径问题是指给定一个有向图，找到其中两个节点之间的最短路径。
这个问题可以通过数学建模来解决。
以下是一个关于最短路径的案例及详解：案例：某个城市有多个地点，这些地点之间有高速公路相连。
现在需要找出两个地点之间的最短路径，以便安排货物的运输。
假设已知这个城市的高速公路网络以及每个道路的长度。
解决方案：1. 定义变量和参数：- 变量：设定一个变量x[i, j]，表示从节点i到节点j的路径长度。
这个变量需要求解。
- 参数：给出每个节点之间的长度，可以用一个矩阵表示。
设长度矩阵为A。
2. 建立数学模型：- 目标函数：最小化总路径长度。
可以定义目标函数为：min x[i, j]。
- 约束条件：- 对于任意两个节点i和j来说，路径长度x[i, j]必须是非负的：x[i, j] ≥ 0。
- 对于任意两个节点i和j来说，路径长度x[i, j]等于路径长度x[j, i]：x[i, j] = x[j, i]。
- 对于任意两个节点i和j来说，路径长度x[i, j]需要满足下面的约束条件：x[i, j] ≤ x[i, k] + x[k, j]，其中k是任意的节点。
这个约束条件保证了路径长度的传递性。
即，如果从i到j的路径经过节点k，那么整条路径的长度应该不小于x[i, k] + x[k, j]。
3. 求解：- 编写数学建模的代码，并使用求解器（如线性规划求解器）求解最优解。
- 分析优化结果，并得到最短路径的长度以及具体的路径。
总结：通过定义变量和参数，建立数学模型的方式来解决最短路径问题，可以帮助我们找到两个节点之间的最短路径。
数学建模可以提供一个系统化的框架，帮助我们理解问题，并找到最优解。
这种方法在物流、交通规划等领域都有广泛的应用。
数学建模最短路径模型
数学建模最短路径模型数学建模是一种将实际问题转化为数学问题，并通过数学方法加以分析和求解的过程。
在实际生活中，最短路径问题是我们经常遇到的一个问题。
例如，出行时如何选择最优路线、快递如何选择最短路线送达等等。
所以最短路径模型是数学建模中比较基础的问题之一。
最短路径问题是指在一个图中，给定两个节点，求两个节点之间的最短路径。
其中图中的节点可以表示位置，边可以表示路径（即从一个位置到另一个位置的路线）。
解决最短路径问题的方法有很多，这里我们介绍其中的两类：迪杰斯特拉算法和弗洛伊德算法。
迪杰斯特拉算法是指从一个起点开始不断扩张，直到到达终点的过程。
具体来说，其实现过程如下：（1）定义一个起点，然后将该点到其它点的路程距离存储到数组D中，若两点之间没有路线，则存储为∞。
（2）定义一个集合S，将起点加入S中。
（3）对于除起点外的其它所有点v，若v与起点有路径，则将D[v]赋值为该路径的距离，否则保持为∞。
（4）进入循环，对于集合V-S中的每个点v，找到距离它最近的点k，即D[k]+weight[k][v]最小，并将其加入S中。
若从起点到k的路径加上k到v的路径距离小于从起点到v的路径距离，则更新D[v]。
（5）重复上述步骤3和4，直到S中含有终点或V-S为空为止。
（6）输出起点到终点的最短路径长度。
弗洛伊德算法是一种动态规划算法，通过对于任意两个节点的距离进行不断松弛来计算最短路径。
具体来说，其实现过程如下：（1）定义一个二维数组m，其中m[i][j]表示节点i到节点j的最短距离。
初始化m[i][j]为i到j的直接距离，若不存在直接距离则设置为∞。
（2）对于任意k，遍历所有节点i和j，若m[i][j]>m[i][k]+m[k][j]，则更新m[i][j]。
（3）输出起点到终点的最短路径长度。
以上就是解决最短路径模型的两种方法，每种方法都有其适用的场景。
无论是哪种方法，最短路径模型的核心是图的表示方法和路径之间距离的计算方法，通过这个模型可以在实际生活中解决很多常见的问题。
数学建模--运输问题
运输问题摘要本文主要研究的是货物运输的最短路径问题，利用图论中的Floyd算法、Kruskal算法，以及整数规划的方法建立相关问题的模型，通过matlab，lingo 编程求解出最终结果。
关于问题一，是一个两客户间最短路程的问题，因此本文利用Floyd算法对其进行分析。
考虑到计算的方便性，首先，我们将两客户之间的距离输入到网络权矩阵中；然后，逐步分析出两客户间的最短距离；最后，利用Matlab软件对其进行编程求解，运行得到结果：2-3-8-9-10总路程为85公里。
关于问题二，运输公司分别要对10个客户供货，必须访问每个客户，实际上是一个旅行商问题。
首先，不考虑送货员返回提货点的情形，本文利用最小生成树问题中的Kruskal算法，结合题中所给的邻接矩阵，很快可以得到回路的最短路线：1-5-7-6-3-4-8-9-10-2；然后利用问题一的Floyd算法编程，能求得从客户2到客户1（提货点）的最短路线是：2-1，路程为50公里。
即最短路线为：1-5-7-6-3-4-8-9-10-2-1。
但考虑到最小生成树法局限于顶点数较少的情形，不宜进一步推广，因此本文建立以路程最短为目标函数的整数规划模型；最后，利用LINGO软件对其进行编程求解，求解出的回路与Kruskal算法求出的回路一致。
关于问题三，是在每个客户所需固定货物量的情况下，使得行程之和最短。
这样只要找出两条尽可能短的回路，并保证每条线路客户总需求量在50个单位以内即可。
因此我们在问题二模型的基础上进行改进，以货车容量为限定条件，建立相应的规划模型并设计一个简单的寻路算法，对于模型求解出来的结果，本文利用Kruskal算法结合题中所给的邻接矩阵进行优化。
得到优化结果为：第一辆车：1-5-2-3-4-8-9-1，第二辆车：1-7-6-9-10-1，总路程为280公里。
关于问题四，在问题一的基础上我们首先用Matlab软件编程确定提货点到每个客户点间的最短路线，然后结合一些限定条件建立一个目标模型，设计一个较好的解决方案进行求解可得到一种很理想的运输方案。
最短路径数学建模案例
最短路径数学建模案例
最短路径数学建模案例
一、问题描述
假设从一座城市A出发，要到达另一座城市B，可以选择从A到B的6条路线中的一条，每条路线的里程数都不相同，试求出从A出发到B的最短路径。
二、数学模型
设A到B的6条路线里程数分别为m1,m2,m3,m4,m5,m6，目标为： min z=min(m1,m2,m3,m4,m5,m6)
s.t. {m1,m2,m3,m4,m5,m6>=0}
约束条件中：m1、m2、m3、m4、m5、m6>=0，表示每条路线的里程数都不小于0，即每条路线至少要有一定里程才能到达终点B。
三、求解方法
设A到B的6条路线里程数分别为m1,m2,m3,m4,m5,m6，可将求解最短路径的问题转换为求解极值问题，即求解最优解
z=min(m1,m2,m3,m4,m5,m6)的极小值问题，可采用贪心算法求解。
具体步骤如下：
（1）从6条路线中挑选出里程数最短的路径，记为m1；
（2）再从剩下的5条路线中挑选出里程数最短的路径，记为m2；
（3）依次类推，从剩余的4条路线中挑选出里程数最短的路径，记为m3；
（4）直到把所有的6条路线挑选完毕，最后求出最短路径，即
z=min(m1,m2,m3,m4,m5,m6)。
四、结论
根据以上步骤，可以求得从一座城市A出发，到另一座城市B的最短路径。
数学建模最短时间路径(新)
最短时间路径摘要：本问题是一个最短时间问题，本文首先对路线图进行分析，找出并画出了汽车在拐弯时所消耗时间的等效图，经分析，找到四条规则（具体见：五、模型的建立与求解），可以按这四条规则把转弯的时间算在南北走向的路线上，对图形上数据进行处理，然后通过Dijkstra算法求的从入口点v1到出口点的v8最短时间路径为：v1——>v2——>v4——>v7——>v8，时间为：15。
关键词：最短路径Dijkstra算法的最1.2.15（53.3条路线使东西2条路线相同，那么是否可以把转弯的时间统一加在南北路线上，经分析是可行的，而且有一定的规则（具体见：五、模型的建立与求解）问题的关键:1.找到把转弯时间附加在南北路线的内在规则。
2.找到一个等效的图形（等效的办法）使得求解更为方便。
三、模型假设1.无论何时交通路线是可行的。
2.城市的路线均为方行路线（直线图）。
四、符号说明v i ——两条路的交汇处或重要地点.L i,j ——v i 与v j 两地之间的这条路。
T ij ——vi 到v j 所花费的时间 T ——是时间的总和。
五、模型建立与求解一、问题的回答把转1.2.3.4.，而此时 图一T于是建立问题的最短时间模型如下：T=T ij +T jk +···+ T km (1)按照图二写出G 的带权邻接矩阵),(v u wDijkstra 算法【1】：求G 中从顶点0u(即v 1)到其余顶点的最短路. 设G 为赋权有向图或无向图，G 边上的权均非负． 对每个顶点，定义两个标记（l v ()，z v ()），其中: l v ()：表从顶点u 到v 的一条路的权．z v ()：v 的父亲点，用以确定最短路的路线算法的过程就是在每一步改进这两个标记，使最终l v ()为从顶点u 到v 8的最短时间的权．S ：具有永久标号的顶点集。
输入: G 的带权邻接矩阵),(v u w (1)赋初值：令 S ＝{u 0, l u ()0=0},∀∈=v S V S \，令l v ()=W u v (,)0,z v ()= u 0 u ←u 0 （2）更新l v ()、z v ()： ∀∈=v S V S \,若l v ()>l u W u v ()(,)+ 则令l v ()=l u W u v ()(,)+,z v ()= u就得>v8，，为六、模型推广一、对问题的进一步的讨论对于题中简单图形进行分析，通过把转弯时所要浪费的时间附加再南北路线上进行处理，可以求的一定点到另一定点所需时间最少。
数学建模最短路径问题模型
数学建模最短路径问题模型数学建模是利用数学方法和技巧解决实际问题的过程。
最短路径问题是指在图中找到一个节点到另一个节点的最短路径。
这个问题在现实生活中有着广泛的应用，比如导航系统、物流运输等。
最短路径问题可以使用多种方法来解决，其中最常见的方法是使用图论中的最短路径算法，例如Dijkstra算法和Floyd-Warshall算法。
Dijkstra算法是一种贪心算法，用于解决带非负边权的单源最短路径问题。
它的基本思想是通过迭代的方式逐步确定从源节点到其他节点的最短路径。
Dijkstra算法的步骤如下：1. 初始化，将源节点到其他节点的距离都设为正无穷，将源节点到自身的距离设为0。
2. 选择一个当前节点，将其加入已确定最短路径的节点集合。
3. 对于当前节点的邻居节点，更新其到源节点的距离，如果通过当前节点的距离更短，则更新最短距离。
4. 重复步骤2和3，直到所有节点都加入已确定最短路径的节点集合。
5. 返回从源节点到其他节点的最短路径。
Floyd-Warshall算法是一种动态规划算法，用于解决所有节点对之间的最短路径问题。
它的基本思想是通过逐步迭代来更新节点之间的最短路径。
Floyd-Warshall算法的步骤如下：1. 初始化，将节点之间的距离设为正无穷，将每个节点到自身的距离设为0。
2. 对于每一对节点(i, j)，判断从节点i到节点j是否存在经过其他节点的更短路径，如果存在则更新最短距离。
3. 重复步骤2，直到所有节点之间的最短路径都被求出。
4. 返回任意两个节点之间的最短路径。
除了以上两种算法，还有其他的最短路径算法，比如Bellman-Ford算法和A*算法等。
这些算法都有各自的特点和适用范围，根据具体情况选择合适的算法。
此外，最短路径问题还可以使用线性规划、整数规划和动态规划等数学建模方法来解决。
这些方法可以将问题转化为数学模型，通过求解模型得到最优解。
对于复杂的最短路径问题，可以将其转化为有向图或无向图来进行建模。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
交巡警服务平台的设置与调度摘要本论文主要是关于图论中的“最短路径问题”和“最优搜索问题”。
问题所述的模型已经很自然地用图表示出来，所以我们运用图的性质和算法来求解问题。
图论中求最短路径通常采用dijkstra 算法，但本题涉及的交巡警平台数量较多，即求多个源点到其它所有顶点的距离，所以采用floyd 算法求解比较简单，其基本思想是通过程序得到每个节点到其他节点的最优距离。
针对问题一，用floyd 算法算出每个交巡警平台3分钟内所能到达的全部节点，这些节点就是平台的管辖范围，但仍有3分钟内不能到达的节点，这些节点处就应该增设交巡警服务平台。
在快速封锁13条交通要道时，要遵循封锁时间最短、每个平台的警力最多封锁一个路口的原则，运用LINGO 程序解答。
最后分析得到出警时间至少大于3分钟的节点，及工作量最大的平台，在这些节点处需要增加3个服务平台。
针对问题二，需要对发案率进行降序排列，筛选出发案率较高，但是未设置交巡警服务平台的节点。
根据六个城区的基本数据，得到每个平台管辖的面积和人口，比较各平台的工作量，从而找出不合理的理由。
在搜捕犯罪嫌疑人时要遵循两个原则：搜捕时间最短和围堵区域最小。
根据逃犯的位置和逃跑的可能路径建立关于时间T 的目标函数和初始概率密度函数，001()0p X vt v ⎧∈⎪=⎨⎪∉⎩其中 t (0,6)其中s (0,6)对交巡警的搜捕区域建立探测函数，32(,,)j kz b x t z r ≈模型应该满足以下约束条件：22211223()()j i j i j Z X Z X r Z h -+-≡=最后运用拉格朗日乘数法求得围堵嫌疑人的最佳围堵方案。
模型的建立提高了交巡警服务平台的工作效率，同时这个模型也可以运用于最优选址、搜索正在执行任务的敌方潜艇等问题，并可将该模型的算法扩展到其他领域。
关键字：交巡警 最短路径 最优搜索 动态规划 floyd 算法1、问题重述交巡警为了更有效地贯彻落实四大职能，需要在市区的交通要道和重要部位设置交巡警服务平台。
在警力、管辖范围、封锁能力、搜捕能力等方面有三个基本要求：每个平台的职能和警力配备基本相同、出现突发事件时能够及时赶到事发地、一个平台的警力最多封锁一个路口。
问题1：根据附件中给出的中心城区A 的交通网络图和现有交巡警服务平台设置情况，分配各平台的管辖范围，使其能在3分钟内赶到管辖区所在的事发地。
问题2：发生重大事件时如何调度A 区20个平台的警力资源，对该区的13条交通要道实现快速封锁。
问题3：根据现有平台的工作量不均衡和出警时间过长的情况，拟在该区再增加2至5个平台，确定增加平台的个数和位置。
问题4：分析全市交巡警平台设置方案的合理性，并改正不合理的地方。
问题5：该市P 点处发生了重大刑事案件，在案发3分钟后接到报警，犯罪嫌疑人已经驾车逃跑。
调度全市警力，设计最佳的围堵方案。
2、 模型假设1、警车在出警过程中速度恒为60km/h ，不会出现堵车或抛锚等现象。
2、每个路口节点至少有一个交巡警服务平台管辖。
3、交通网络图中两个节点间的道路视为直线段。
4、每个交巡警服务平台的职能和警力配备基本相同。
3、参数说明x ：A 区节点的横坐标y ：A 区节点的纵坐标s ：两节点间的距离R :事发地到交巡警服务平台的最大距离L :交巡警平台到A 区各交通要道的距离t ：出警时间或者搜捕犯罪嫌疑人的时间S ：犯罪嫌疑人的初始位置Z ：交巡警所在位置00()p X ：初始概率分布函数v ：犯罪嫌疑人逃跑的速度b ：交巡警搜捕到犯罪嫌疑人的概率k ：由搜捕环境所决定的常量：拉格朗日乘子K :资源（警力，时间）上限h ：交巡警空间坐标的一个常量p[f]：最大探测概率4、模型分析及求解通过对题目所给数据的处理，得到中心城区A 的每对起点标号和终点标号间的距离。
运用这些距离求出每个交巡警服务平台所管辖的区域，从而为分析交巡警服务平台设置方案的合理性提供依据。
根据逃犯的位置和路径建立概率密度函数，对交巡警的搜捕区域建立探测函数，最后运用拉格朗日乘数法得到动态规划的约束条件，用解决动态规划的方法来制定搜捕犯罪嫌疑人的方案。
4.1分配各交巡警服务平台的管辖范围4.1.1中心城区A的每对起点标号和终点标号间的距离在平台的分配管辖范围内，出现突发事件，要求交巡警能在3分钟内到达事发地，且警车时速为60km/h，即平台到所管辖的每个路口节点的距离不超过3km（地图上为30mm）。
从全市交通路口线路中筛选出中心城区A的所有交通路口，已知每个节点的坐标，由MATLAB程序和两点间距离公式：公式（1—1）得到每对起始标号和终点标号间的距离。
（见附录：表一）4.1.2 建立“覆盖圆”以交巡警平台为圆心，以长为30mm的射线为半径做一个圆。
这个圆面所“覆盖”的节点即为平台所管辖的范围。
由matlab程序（见附录：程序二）和数据统计得到表二：表二平台管辖范围表平台编号位置标号管辖范围A1 1 1 69 74 75 76A2 2 2 43 44 70A3 3 3 44 45 66 67 68A4 4 4 57 60 62 63 64 65A5 5 5 49 50 51 52 53A6 6 6 54 55 56 57 58 59A7 7 7 29 30 32 33 34A8 8 8 47 48A9 9 9 34 35 37A10 10 10A11 11 11 26 27 28A12 12 12 25A13 13 13 22 23 24A14 14 14 21A15 15 15 31A16 16 16 14 36 38 39A17 17 17 40 41 42 43 72 73A18 18 18 80 81 82 83 84 85A19 19 19 77 79A20 20 20 86 87 88 89 90 91 924.2 警力调度方案本题要求给出该区巡警快速封锁13条交通要道的方案，由于各平台到要道的距离不等，故所用的时间也不一样。
由“木桶效应”可知总量取决于最小的一个分量，此题相反：最快封锁全部要道的时间取决于用时最多的那一组交巡警。
因此，总方案应使每一组巡警到交通要道的时间尽量短。
根据上一小题我们知道每一组巡警的管辖范围，故可以首先调度部分交巡警到其所管辖的范围。
由于一个平台的警力最多封锁一个路口，但是有的巡警管辖范围内不止一个要道，所以只能调其附近平台的警力来封锁。
建立“网格型线路“，以巡警平台为起点，要道为终点。
每两个点之间用距离公式求解，路线的总长度为各段距离之和，挑选出那些线路距离小的线路。
公式（1—2）=∑L S调度方案的关键是：调度的警力离始发地距离L最短。
最短距离用LINGO程序求解。
（见附录：程序三）调度方案如表三：表三调度方案表巡警平台经历的路口要到达的要道4 1616 388 ——9——35——36—— 1614 1413 2312 ——25—— 2411 2115 287 ——30—— 295 ——47——7—— 306 ——47—— 4810 ——26——27—— 229 ——34——10——26——27—— 124.3在A区增加交巡警平台统计各交巡警平台管辖的节点数可得图一：图一平台管辖节点数平台A4、 A6、 A17、 A18、 A20管辖的节点都大于7，而平台A10、 A12 、A14 、A15管辖的节点都小于3，工作量不均衡。
节点29、30、60、61、62、90、91、92等的出警时间都超过了3分钟，出警时间明显过长。
节点30、60、90处出警时间过长并且平台A4、A6、A20的工作量大，因此可以在节点60、30、90处分别设立一个交巡警平台，共计增加了3个平台。
4.4 探讨现有交巡警服务平台设置方案的合理性设置交巡警服务平台的原则和方案具体如下：a.每个交巡警服务平台的职能和警力配备基本相同；b.管辖范围内出现突发事件时能够在3分钟内有交巡警到达事发地；c.重大突发事件时，全市所有警力要对所有出入市区的交通要道实现快速封锁；d.每个平台承担的工作量应该基本相等。
交巡警服务平台的设置要服从快捷性，该题要求根据设置交巡警服务平台的原则和任务分析平台设置的合理性，题中限制条件是：各交巡警服务平台在所管辖的范围内出现突发事件时，能在3分钟内到达事发地。
针对此题，可以将全市分为6个区进行分析，具体步骤如下：4.4.1计算各区交巡警服务平台在3分钟内到达事发地的比例：由于计算距离信息比较容易，所以将时间限制转化为距离限制，即交巡警服务平台到事发地的距离在限制的距离内才可能在规定的时间内到达。
设事发地到交巡警服务平台的最大距离为R,该题的速度为60 km/h,则最大距离为：3R=⨯=km60360各区的交巡警服务平台数和平台能够到达的节点已知，可以利用Floyd算法计算3分钟内交巡警服务平台能够到达的各节点的最短距离，将最短距离和3km进行比较，如果最短距离大于3km，则不满足条件，统计满足条件的节点，然后将能到达的节点数除以交巡警服务平台所能到达的所有节点数，得到服务平台在3分钟内能到达事发地的比例，根据比例的大小即可以看出交巡警服务平台设置的合理性（比例越大代表设置得越合理）。
4.4.2 筛选出平台覆盖率小于90%的区域：计算出各区交巡警服务平台的覆盖比率，由于不可能都达到100%，所以设置为90%，筛选出比率在90%以下的区域。
以及全市交通路口节点数据筛选出发案率大于1.6，但是未设立交巡警平台的节点（见附录：表四）统计表四可得各区域发案率大于等于1.6，但是没有设立交巡警服务平台的节点个数见图二：图二各区未设平台节点数由图二可知：区域A、E某些节点发案率较高但是未设立交巡警服务平台的节点个数较多，所以在发生突发事件时很难在3分钟内到达事发地，综合上述分析可知：交巡警服务平台设置不合理。
4.4.3 筛选出工作压力大的区域：根据各个城区的平台数、面积、人口分析得到平均每个平台管辖的面积和人口如表五：表五平台工作压力表全市六个城区平台个数每个平台管辖的面积（平方公里）每个平台管理的人数（万）A 20 1.10 3.00B 8 12.88 2.63C 17 13.00 2.89D 26 14.73 2.81E 15 28.80 5.10F 16 17.13 3.31从表五中可以知道：在全市的六个区中，只有B区设置的平台个数为一位数，除了A和E区外，其余的四个区域每个平台管辖的面积都是十几平方公里，A区每个平台管辖的面积最少，仅有1.10平方公里，所以A区的交巡警服务平台的工作强度不大；区域E中每个平台的管辖面积为28.80平方公里，远远大于其他地区，在警力配备基本相同的情况下，倘若发生突发事件，交巡警无法在3分钟内赶到事发地点。