论文部分内容阅读
本文主要研究利用GPS轨迹数据,为空载的出租车推荐有效的路线,使其能够在较短的时间内大概率的搭载到乘客。城市交通状况复杂多变;出租车司机选择的路线在不同时间、不同的路段上具有不确定性和灵活性;不同时间段、不同地区的居民的出行模式也各不相同;基于以上情况,当前的路线推荐方法结果不是很理想。本文的主要工作如下:对搭载点挖掘功能进行了优化,提出ActualPickUpPoint算法在潜在簇中进行挖掘得到实际搭载点,算法以线性时间复杂度将紧密的点聚集在一起,识别并过滤噪音数据。本文利用真实的出租车轨迹数据进行实验,证明搭载点挖掘的有效性和稳定性。改进交通行为的挖掘方式,根据载客状态的不同,将出租车轨迹分为两种类型,使用基于LCS的DBSCAN算法挖掘不同类型热点轨迹段。结合路段客流量、距离和时间三个主要特征综合分析寻客路段上的交通行为,基于路段通行速度分析载客状态下的交通行为,进而构建整个道路网交通行为矩阵。本文结合搭载点-热点轨迹簇-交通行为三者构建加权树推荐模型:WTRM(Weighted Tree Recommendation Model),为空载出租车推荐合理路线,使其能够大概率搭载到乘客。对于给定的查询点,WTRM在多个可能的行驶路线中为空载出租车推荐最有效的完整的路线。为提高路线推荐合理性,WTRM增加了减枝规则,删除不符合规则的边,提高计算效率;WTRM提出多路线推荐策略,最大化推荐路线之间的距离,为同一时间段、同一地点的多个空载出租车推荐。本文利用真实的出租车轨迹数据进行实验,证明WTRM推荐模型的有效性。本文利用提出的模型和算法实现搭载点查询、路线推荐及运行分析系统:EasyDriver。