近年来,大规模移动轨迹数据的收集与分析促进了移动推荐系统的迅猛发展,移动推荐系统本质上就是给移动用户推荐一系列的位置。随着现代城市规模和人口的急剧增加,城市交通管理中出现了一种矛盾的局面,出租车空载率较高和乘客打车出行不便。因此,亟需针对出租车提供高效的路径推荐服务,以提高资源利用率。针对空载出租车主动寻找潜在乘客的路径推荐问题,本文提出了有效解决方案,极大提高了出租车的载客效率,提升了乘客打车出行体验,对促进节能减排和赋能智能交通等具有重要意义。
首先,本文通过分析研究海量出租车GPS历史数据,利用K-Means聚类算法对发生载客事件的位置点进行聚类获得载客热点区域,不同载客热点区域发生载客事件的概率随时间变化的规律各不相同。由于居民打车出行符合一定的社会行为规律,因此每个载客热点区域发生载客事件的数量也符合一定的规律。通过挖掘海量的出租车GPS历史数据,推断出不同载客热点区域发生载客事件的数量随时间变化的规律,为后续提出高效的路径推荐机制打下坚实的研究基础。
其次,针对提高出租车载客效率,提升乘客出行体验,本文立足于不同载客热点区域发生载客事件概率随时间变化的规律,提出了一种基于时空特性的路径推荐机制。通过融合时间和距离因素来计算空载出租车行驶成本,并利用提出的RTS(Route recommendation based on Temporal-Spatial metric)近似算法在不严重牺牲性能的情况下实时且高效地推荐一条最优行驶路径,使得空载出租车能够在行驶成本最小的情况下主动寻找潜在乘客,极大提高了出租车的载客效率,提升路径推荐服务质量,进一步促进智能交通和智慧城市等重大行业的迅速发展。
最后,针对出租车之间相互竞争和影响带来的道路过载和资源浪费问题,本文提出了TOP-N路径推荐机制,利用高斯过程回归和数据统计来获得不同载客热点区域的客流量,结合平均距离和平均时间给多辆空载出租车提供TOP-N载客热点区域推荐,以此提高出租车的利用率,最大程度降低出租车之间因不利竞争带来的不利影响,缓解资源浪费和道路过载等问题。
暂无评论