基于信息瓶颈方法的出租车空载聚集区聚类算法

摘要

在交通物联网中,出租车以其方便、快捷的特性扮演着重要角色.但是,出租车服务的动态、随机和异步并发的特性使得其难以采用微分、差分等数学方法描述.其中,出租车空载问题是公认的智能交通的最大难题之一.本文提出在GPS数据的基础上,基于信息瓶颈(IB)方法来聚类城市内出租车的空载聚集区域,从而指导空载车辆规避这些区域,以此达到提高出租车载客率的效果.出租车空载聚集区聚类算法(EA_sIB)将出租车视为原变量X,GPS数据视为相关变量Y.目标是寻求压缩变量T,在尽可能压缩出租车簇的个数的同时,最大化保留GPS数据(空载聚集区域)的相关信息.在杭州出租车的真实GPS数据集上的相关实验表明,算法可以准确识别空载聚集区.