基于轨迹大数据的出租车目的地预测及推荐方法研究

摘要

出租车因其方便快捷的服务特点，已成为城市公共交通系统的重要组成部分。随着城市化进程的加深，出租车数量急剧增多，然而这并没有显著提高出租车服务质量，反而有恶化道路交通、加深空气与土壤污染程度的趋势。而拼车，即具有相似目的地方向的乘客共同乘坐同一辆出租车的交通方式，不仅可提供额外的服务选择，而且可有效降低出租车行驶总里程数，能够有效缓解城市交通问题，具有较高的科研与工程价值。因此，本文重点研究出租车拼车服务。 首先，本文结合实际打车情境，从用户更关注的时间角度出发，提出基于绕远时间比例的出租车预测与推荐算法，以绕远时间比例量化出租车服务中的时间消耗，为乘客提供更贴合实际需求的服务。在此算法中，引入区域划分技术，以标记区域替换经纬度点对作为出租车载人轨迹标识，实现特定历史载人轨迹查询；从标记区域与时间段两个不同的维度计算准确的区域驶经时间，实现载人轨迹的时间计算；基于丰富的出租车服务背景信息，设计三种不同程度的初始目的地集合优化策略，有效移除不合理目的地区域的干扰。 其次，针对基于绕远时间比例的出租车预测与推荐算法中存在的信息挖掘不充分、忽略目的地分布特征等问题，在深入分析动态拼车服务情景基础上，提出基于空间距离差量的出租车预测与推荐算法，以空间距离差量量化出租车目的地与乘客目的地之间的距离相近程度，更加准确高效地反映出租车服务质量优劣。在此算法中，将蕴含丰富语义信息的最后一次载人轨迹作为样本数据匹配历史轨迹数据集，以获取更准确的查询结果；从平均轨迹相似度以及频次两个维度进一步区分，筛选出高频次、高相似度的可能目的地；在出租车服务背景信息的基础上，采用符合出租车目的地分布特征的聚类算法完成初始可能目的地集合优化。 最后，基于450万条真实出租车GPS数据集中对本文算法进行验证与评估。结果表明，在基于绕远时间比例的出租车预测与推荐算法中，用户平均多花费6%的时间便可获得及时准确的动态拼车服务，同时该算法可降低 30%的出租车行驶总里程数，有效减少汽车尾气的排放；在基于空间距离差量的出租车预测与推荐算法中，动态拼车服务的预测目的地与乘客真实目的地之间距离小于900米的比例可达 90.29%，相对基于绕远时间比例的算法，有效提升动态拼车推荐的准确性，且平均降低 47.84%的出租车行驶总里程数，尤其是在非繁忙时间段，减少总里程数高于同时间段其他算法35%，大幅度缓解城市污染问题。

目录

第一个书签之前