基于轨迹大数据的出租车合乘路径优化

发布时间：2023-06-18 00:48

　　城市交通系统影响着城市发展的节奏,随着城市经济的发展和人类生活习惯的不断改变,人们的出行需求量逐年提高,城市客运交通系统的压力也持续增长。出租车作为城市客运交通的重要补充和组成,也承担着更为繁重的运输任务。出租车合乘是一种提高出租车运输效率,缓解城市交通压力的有效手段,也是在基本不改变现有的交通设施的基础上,增加城市客运交通系统运力的可行方式。合乘也对减少交通污染和降低能源消耗有着重要意义。本文首先对上海市海量出租车的轨迹数据进行了预处理,得到了出租车的OD数据。通过聚类算法对出租车的OD数据进行空间聚类,划分区域,统计需求;采用人工神经网络模型预测需求数据;建立考虑未来预测需求的出租车合乘模型和路径选择算法并验证模型和算法的有效性。主要研究内容如下:(1)对上海市海量的出租车轨迹数据进行了数据清洗,将轨迹数据中的缺失、重复、信息错误的数据进行处理。再通过分析处理后的轨迹数据,得到了出租车的OD量。之后通过K-means聚类算法对出租车的OD数据进行空间聚类,再使用泰森多边形生成算法对上海市进行区域划分,统计各个区域的OD数据。(2)将OD数据进行时间序列的划分,并且收集天气、节假日等...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 国内外研究综述
    1.3 研究框架及内容
2 轨迹与路网数据处理
    2.1 大数据技术的应用
    2.2 研究数据
        2.2.1 出租车数据
        2.2.2 路网数据
    2.3 出租车轨迹数据处理
    2.4 路网数据处理
    2.5 OD数据挖掘
    2.6 本章小节
3 出租车OD预测
    3.1 出租车OD预测模型
        3.1.1 神经网络模型
        3.1.2 激活函数
        3.1.3 循环神经网络
        3.1.4 长短期记忆网络
    3.2 特征集建立与选择
        3.2.1 输入值的处理
        3.2.2 需求预测模型
    3.3 模型训练及预测
        3.3.1 出租车需求预测模型
    3.4 本章小节
4 合乘路径优化
    4.1 问题描述
    4.2 模型假设
    4.3 符号定义
    4.4 模型构建
    4.5 算法设计
    4.6 本章小节
5 仿真实验与结果分析
    5.1 实验设计
        5.1.1 测试集提取
        5.1.2 仿真实验流程
        5.1.3 仿真参数设置
    5.2 结果分析
    5.3 本章小节
6 结论与展望
    6.1 研究成果
    6.2 主要创新点
    6.3 研究展望
致谢
参考文献
附录A 数据预处理部分代码
附录B 数据挖掘部分代码
附录C 机器学习部分代码
附录D 路径求解部分代码



本文编号：3834458