小红正在为自研的无人驾驶配送机器人开发一套路径规划系统。为了提高效率，配送系统需要先将分散的包裹坐标通过无监督学习算法进行聚类，确定 个核心服务点，然后再由机器人按顺序前往这些点。 小红选用了经典的 K-Means 算法。具体聚类与路径规划逻辑如下： 1. 初始化： - 如果服务中心数量 大于或等于包裹总数 ，则每个包裹坐标直接作为最终的服务点坐标。 - 否则，先计算所有包裹到坐标原点 (0,0) 的欧几里得距离，并按距离从小到大排序。若距离相同，保持原始输入顺序。选取排序后的前 个包裹坐标作为初始聚类中心，并赋予编号 0 到 。 2. 聚类迭代（最多迭代 50 次）： - 分配阶段：将每个包裹分配给距离其最近的聚类中心。若某包裹到多个中心的距离相等，则分配给编号最小的中心。 - 更新阶段：将每个中心的位置更新为其所分配的所有包裹坐标的平均值。如果某个中心没有分配到任何包裹，则其坐标保持不变。 - 终止条件：计算所有中心在本次更新中移动的欧几里得距离之和。若该距离之和小于 ，或者已完成 50 次迭代，则停止。 3. 路径规划与耗时计算： - 聚类完成后，将最终得到的 个服务点坐标按其到原点 (0,0) 的欧几里得距离进行升序排列。 - 机器人从原点 (0,0) 出发，依次访问这 个点，最后返回原点 (0,0)。 - 计算机器人走完这段闭环路径的总长度，并根据平均时速计算总耗时。 请帮小红计算完成配送任务所需的总秒数。

输入描述:

第一行包含三个空格分隔的整数，分别是服务中心数量 、包裹总数 （），以及配送机器人的平均速度 speed（，单位 kmh）。 接下来的 行，每行包含两个实数 和 （），表示每个包裹在地图上的公里坐标。

输出描述:

输出一个整数，表示完成任务所需的总时间（秒）。结果请向下取整。