用户出行路线推荐方法的研究

发布时间：2021-01-03 19:35

　　随着城市化的快速发展和机动车总量的持续增加,城市中的交通状况越来越复杂,路线推荐成为人们出行的一种迫切需要。传统的路线推荐方法通常由改进的图搜索算法计算最快或最短路线,而不考虑实际的交通情况和用户的出行偏好。因此,传统的路线推荐方法推荐的路线往往不能满足用户的实际出行需求。如何为用户推荐合理的出行路线一直都是研究者关注的热点问题。随着GPS设备的普及,人们能够非常方便地获取用户的历史出行轨迹数据。历史轨迹数据中包含着用户的出行偏好。因此,基于轨迹的路线推荐方法已逐渐引起了人们的关注。但是,目前已经提出的基于轨迹的路线推荐算法过度依赖历史轨迹的质量,当轨迹分布不均匀而导致某些区域轨迹稀疏时,算法性能不佳。针对现有的路线推荐方法不能很好地满足用户出行需求的问题,本文提出了一种名为2P++的路线推荐算法,该算法同时考虑了路线长度和用户出行偏好。2P++的基本思路是首先利用LSTM对历史轨迹数据进行分析以获取用户出行偏好,接着将出行偏好和MCMC采样技术引入到A*算法中,以保证得到的路线能满足用户的偏好且路线长度较短。通过使用北京市的出租车轨迹和电子地图对算法进行了实验验证。实验结果表明,与传... 

【文章来源】：中国民航大学天津市

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

简单道路网络示意图

中国民航大学硕士学位论文10扩展到不同长度的数据上，使得RNN可以输入非定长的序列数据。图2-1RNN单元结构图图2-2RNN展开结构图RNN的前向传播过程如公式2.1和2.2所示：1()txththhWxWhb(2.1)totooWhb(2.2)其中ht表示隐藏层的输出，ot表示输出层的输出，Wx表示输入层连接到隐藏层的权重矩阵，Wh表示隐藏层之间连接的权重矩阵，Wo表示隐藏层连接到输出层的权重矩阵，bh和bo表示偏置向量。在RNN的训练过程中求导矩阵的指数级增长或减少造成了梯度消失和梯度

中国民航大学硕士学位论文10扩展到不同长度的数据上，使得RNN可以输入非定长的序列数据。图2-1RNN单元结构图图2-2RNN展开结构图RNN的前向传播过程如公式2.1和2.2所示：1()txththhWxWhb(2.1)totooWhb(2.2)其中ht表示隐藏层的输出，ot表示输出层的输出，Wx表示输入层连接到隐藏层的权重矩阵，Wh表示隐藏层之间连接的权重矩阵，Wo表示隐藏层连接到输出层的权重矩阵，bh和bo表示偏置向量。在RNN的训练过程中求导矩阵的指数级增长或减少造成了梯度消失和梯度

【参考文献】：
期刊论文
[1]循环神经网络研究综述[J]. 杨丽,吴雨茜,王俊丽,刘义理.  计算机应用. 2018(S2)
[2]一种基于HMM模型改进的地图匹配算法[J]. 刘旻,李梅,徐晓宇,毛善君.  北京大学学报(自然科学版). 2018(06)
[3]基于用户轨迹数据的移动推荐系统研究[J]. 孟祥武,李瑞昌,张玉洁,纪威宇.  软件学报. 2018(10)
[4]基于出租车轨迹数据的最优路径规划方法[J]. 戚欣,梁伟涛,马勇.  计算机应用. 2017(07)
[5]基于理想点法的多目标最短路求解算法研究[J]. 冯树民,吴海月,王弟鑫.  公路交通科技. 2016(03)
[6]基于出租车轨迹数据的路径规划方法[J]. 林娜,郑亚男.  计算机应用与软件. 2016(01)
[7]道路网上最短路径算法综述[J]. 张波良,张瑞昌,关佶红.  计算机应用与软件. 2014(10)
[8]时相关车辆路径规划问题的改进A*算法[J]. 张翼,唐国金,陈磊.  控制工程. 2012(05)

硕士论文
[1]基于轨迹数据的城市交通需求热点区域推荐研究[D]. 张伟玲.兰州交通大学 2017



本文编号：2955369