基于GPS數(shù)據(jù)的出租車推薦系統(tǒng)的研究.pdf

1、近年來，隨著物質(zhì)生活水平的不斷提高，人們的出行需求也急劇攀升，這就造成了城市中出租車打車難的問題。雖然城市出租車的數(shù)量也在不斷地增加，但是目前仍有很多出租車的空載率高居不下，如何有效地改善出租車與乘客之間的供求關(guān)系成為一個亟待解決的問題。另一方面，現(xiàn)在的出租車基本都裝載了GPS設(shè)備，每天都會向調(diào)度中心發(fā)送大量的GPS軌跡數(shù)據(jù)，這些軌跡數(shù)據(jù)包含了乘客的流動性、出租車上下客人等信息，這為出租車推薦提供了極大的有利條件。本文以此為切入點，通過

2、對大量的GPS軌跡數(shù)據(jù)進行挖掘，從中得到上客點信息，并建立推薦預(yù)測模型，在此模型上根據(jù)一定的策略完成對出租車司機和乘客的推薦。本文的研究致力于解決出租車和乘客之間供求不平衡的問題，具有一定的理論和實際意義。本文的研究內(nèi)容主要包括：
　　(1)出租車軌跡數(shù)據(jù)的預(yù)處理。對原始的軌跡數(shù)據(jù)進行介紹，根據(jù)本文研究的需要制定了特殊的過濾規(guī)則，同時研究得到了獲取出租車上客點的具體方法，接著對數(shù)據(jù)預(yù)處理過程中的路網(wǎng)匹配算法進行了研究和分析，重點研

3、究了低采樣率GPS軌跡點的匹配算法（IVMM算法），最后為了使得處理效率更加高效，在Hadoop平臺下給出了分布式數(shù)據(jù)預(yù)處理方案。
　　(2)出租車上客點候選集的聚類研究。首先對已有的聚類算法進行了研究，詳細分析了K-Means和DBSCAN算法在處理本文數(shù)據(jù)集的優(yōu)缺點，然后結(jié)合兩種算法的優(yōu)點，提出了一種基于K-Means和DBSCAN的改進算法。通過實驗和對結(jié)果的分析，對算法的有效性進行了驗證。
　　(3)出租車推薦方法研