基于大数据的出租车需求预测和拼车算法研究

发布时间：2021-06-24 04:50

　　随着经济的快速发展,城市的规划以及建设速度远低于车辆的增长速度,与之而来的就是道路拥堵。由于选用公交地铁这种公共交通方式出行时上下车地点和时间会受到一定的限制,追求出行便捷性和灵活性的乘客往往会选择出租车出行,但在一些高峰时段和路段常常会有“打车难”的现象发生。这一现象发生的主要原因是出租车与乘客供需关系不平衡,仅通过增加出租车投放数量并不能从根本上解决这一问题。互联网和GPS技术的普及,为打车平台的发展提供契机的同时也为打车数据的收集提供了便利,应用关联规则挖掘算法可以总结乘客出行规律,通过对出租车乘车需求的预测,以减少出租车的空载率,帮助乘客快速找到出租车,基于此平衡供需关系,完成出租车的非拼车调度。与此同时,拼车这一种新颖的出行方式逐渐被大众所接受,拼车出行在一定程度上可以减少交通拥堵和空气污染,也可以帮助乘客节约车费。针对拼车调度系统的研究,主要是为了解决乘客与出租车的动态匹配和调度问题,相比非拼车调度更加复杂,对于数据处理的实时性要求更高,匹配过程中也会涉及更多的约束条件。对于出租车需求预测问题,可以通过空间关联规则挖掘分析乘客上下车情况的时空分布规律。关联规则挖掘过程中最为... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 出租车需求预测研究现状
        1.2.2 拼车算法研究现状
    1.3 论文主要工作及组织架构
    1.4 本章小节
2 相关算法和技术概述
    2.1 关联规则挖掘算法
    2.2 GPU计算和CUDA架构
        2.2.1 GPU计算
        2.2.2 CUDA架构
    2.3 MongoDB数据库
    2.4 本章小节
3 基于GPU加速Apriori算法的出租车需求预测
    3.1 Apriori算法研究现状
    3.2 数据结构分析与优化
    3.3 GPU加速的候选项集的生成过程
    3.4 GPU加速的支持度计算过程
    3.5 实验结果与分析
    3.6 频繁项集生成打车时空关联规则
        3.6.1 打车时空关联规则的意义
        3.6.2 打车数据准备及处理
        3.6.3 规则分析
    3.7 本章小结
4 基于动态网格索引的热点拼车调度算法设计
    4.1 问题描述
    4.2 基于动态网格索引的热点拼车算法
    4.3 出租车拼车调度算法
    4.4 实验方法与结果分析
        4.4.1 实验方法
        4.4.2 实验结果与分析
    4.5 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]城市出行热点区域的出租车调度点配置[J]. 刘家良,孙立双.  中国科技论文. 2018(09)
[2]解决中等城市“高峰期”打车难问题的探究[J]. 宋娟.  中国市场. 2017(25)
[3]大数据背景下动态共乘的研究进展[J]. 沈弼龙,赵颖,黄艳,郑纬民.  计算机研究与发展. 2017(01)
[4]我国雾-霾成因及其治理的思考[J]. 张小曳,孙俊英,王亚强,李卫军,张蔷,王炜罡,权建农,曹国良,王继志,杨元琴,张养梅.  科学通报. 2013(13)
[5]北京交通拥挤对策研究[J]. 陆化普,袁虹,王建伟.  清华大学学报(哲学社会科学版). 2000(06)

硕士论文
[1]基于交通大数据的动态拼车调度算法研究[D]. 高健人.大连理工大学 2017
[2]基于k-Regret查询的动态共乘问题研究[D]. 裴新宇.大连海事大学 2017



本文编号：3246406