出租车寻客策略的共用推荐系统设计

发布时间：2021-01-18 16:03

　　目前,日常生活中正在产生大量的时空轨迹数据。许多带有定位装置的出租车可以记录他们的位置并将其报告给服务器。大量的GPS数据生成了出租车轨迹,但是如何在推荐系统中应用这些轨迹成为了一个需要解决的问题。针对这一问题,最近已经出现了一些基于挖掘出租车轨迹移动性的寻客推荐系统。现有的系统侧重于推荐司机去乘客出现概率最大的地方寻客。但是他们大多忽略了在原地或者是附近等待可能会获得更大的利润。此外,推荐系统给出的建议很少考虑驾驶员之间的潜在竞争和实时交通路况对策略的影响。本文针对以上问题,提出了一个出租车寻客路线的可共享推荐系统。我们将原地或者就近停车等待客人也作为一种寻客的策略。将出租车司机的寻客过程用马尔科夫决策过程（Markov decision progress,MDP）来建模,并且提出一种全新的基于海量轨迹数据的Q-学习算法来进行模型的训练。考虑到对于同一位置的乘客,司机之间存在竞争,以及实时交通路况对寻客策略的影响,本文的系统在在线推荐过程中,利用驾驶员的反馈数据来对模型进行更新,并推荐当前最优的寻客策略。实验结果表明,我们的系统比目前的最先进的方法可以达到更好的性能。本文的主要贡献如... 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 出租车寻客策略推荐研究
        1.2.2 出租车轨迹数据挖掘研究
        1.2.3 路线规划研究
    1.3 当前研究存在的问题
    1.4 研究内容和主要创新点
    1.5 本文组织结构与章节安排
第二章 相关理论技术
    2.1 轨迹数据挖掘
        2.1.1 轨迹数据预处理
        2.1.2 轨迹数据挖掘技术
        2.1.3 轨迹数据挖掘的应用
    2.2 马尔科夫决策过程
        2.2.1 马尔科夫性
        2.2.2 马尔科夫随机过程
        2.2.3 马尔科夫决策过程
        2.2.4 Q-学习
    2.3 本章小结
第三章 问题定义及数据预处理
    3.1 问题定义
    3.2 数据预处理
        3.2.1 数据基本介绍
        3.2.2 轨迹数据清洗
        3.2.3 载客点筛选
        3.2.4 POI数据处理
    3.3 本章小结
第四章 基于轨迹的寻客策略共用推荐系统框架
    4.1 框架概述
    4.2 推荐系统评价标准确立
        4.2.1 高效的寻客路线的评价标准
        4.2.2 高效的推荐系统的评价标准
    4.3 本章小结
第五章 最优寻客策略计算
    5.1 出租车停靠地检测
    5.2 寻找最优寻客策略
    5.3 模拟寻客过程
    5.4 本章小结
第六章 共用条件下在线策略计算
    6.1 前k个候选策略生成
    6.2 候选策略过滤和在线推荐
        6.2.1 基于交通指数的策略过滤
        6.2.2 基于多人可共用的策略过滤
        6.2.3 在线推荐算法的时间复杂度分析
    6.3 本章小结
第七章 实验结果分析
    7.1 参数值的选择
        7.1.1 高峰时段和非高峰时段
        7.1.2 出租车收益计算
        7.1.3 网格大小
        7.1.4 Q-学习使用的参数
    7.2 实验的对比方法
        7.2.1 基准算法
        7.2.2 最大路网收益算法
        7.2.3 WMDP算法
        7.2.4 LMDP算法
    7.3 均衡道路负载机制的实验结果
    7.4 寻客距离的对比
    7.5 收益的实验结果
    7.6 本章小结
第八章 总结与展望
    8.1 本文总结
    8.2 研究展望
参考文献
致谢
攻读学位期间发表的学术论文


【参考文献】：
期刊论文
[1]基于卡方检验和SVM的用户搜索画像技术研究[J]. 李军政,黄海,黄瑞阳,王康利.  电子设计工程. 2017(24)
[2]城市计算概述[J]. 郑宇.  武汉大学学报(信息科学版). 2015(01)
[3]基于浮动车数据的城市居民出行行为规律分析[J]. 贾宁,杜盛楠.  科技创新导报. 2013(16)
[4]基于方差的CHI特征选择方法[J]. 邱云飞,王威,刘大有,邵良杉.  计算机应用研究. 2012(04)
[5]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛.  电子科技大学学报. 2012(02)
[6]出租车经验知识建模与路径规划算法[J]. 唐炉亮,常晓猛,李清泉.  测绘学报. 2010(04)
[7]一种改进的基于条件互信息的特征选择算法[J]. 王卫玲,刘培玉,初建崇.  计算机应用. 2007(02)
[8]基于相关性分析的特征选择方法研究[J]. 何志文,李夕海,刘代志,张斌.  核电子学与探测技术. 2005(06)

博士论文
[1]基于浮动车的深圳市道路交通运行评价研究[D]. 吕北岳.武汉大学 2013

硕士论文
[1]基于大数据Hadoop平台的出租车载客热点区域挖掘研究[D]. 王郑委.北京交通大学 2016
[2]基于出租车轨迹数据挖掘的推荐模型研究[D]. 赵苗苗.首都经济贸易大学 2015
[3]基于GPS轨迹的出租车载客路径智能推荐[D]. 李衢伶.湖南科技大学 2014
[4]基于出租车GPS数据的城市公交线网优化[D]. 李汝佟.电子科技大学 2014
[5]基于GPS数据的出租车交通运行特性研究及应用[D]. 齐林.哈尔滨工业大学 2013



本文编号：2985234