具有探索性数据分析 (EDA) 的车队备用热点 (Eda)

先查看分布，然后构建模型

备用热点看起来像仪表板请求；实际上 EDA：时间分布、昼/夜偏差、站点强度。 scikit-learn/PyTorch 仅在这张地图之后才有意义。```text Telemetry + wait events ↓ EDA distributions / outliers ↓ clustering wait hotspots ↓ API heatmap UI (control plane)

## 第一次提到的概念```text
📦 OSRM
Açık kaynak yol ağı shortest-path motoru; önerilen rota için referans.

📦 Preferred Path
Sürücülerin fiilen seçtiği yol — telemetri izinden çıkarılır.

📦 Km Extension
Tercih edilen yolun OSRM referansına göre fazla kilometresi.

📦 Wait Hotspot
Bekleme olaylarının yoğunlaştığı coğrafi bölge kümesi.
```OSRM是一个开源的最短路径引擎；首选路径是通过遥测得知的。

## EDA 强制步骤

空的几何体，不可能的速度，再次 ping - 清除模型之前的垃圾。

## 热点产品

聚类中心和密度分数通过 Django API 进入热图。

## 前端链接

后勤运营控制平面热图绘制了这些分数；不是原始的蒙古。

## 本期最令人困惑的对决```text
❌ Model önce, EDA sonra
✓ EDA’sız model operasyonu yanıltır

❌ Hotspot = rastgele grid
✓ Hotspot telemetri + bekleme taxonomy ister

❌ Harita ham ping göstersin
✓ Harita ürünleşmiş skoru gösterir

您自己的系统清单

1. 您是否绘制了等待时间的分布图？
2. 您的异常速度阈值是多少？
3. Hotspot API DTO中有哪些字段？
4. 热图位于哪个前端表面？
5. PII 坐标如何舍入？

本节中需要记住的事情

1. EDA 是车队机器学习的门户。
2. Hotspot是一个产品，而不仅仅是一个笔记本。
3. 控制平面热图消耗干净分数。

在没有看到分布的情况下训练的模型是一种昂贵的偏差。