發(fā)布時(shí)間：2020-11-14 16:14

　　 出租車在運(yùn)營的過程中,經(jīng)常要面臨空駛時(shí)尋找乘客的問題,對(duì)于出租車需求信息的未知性增加出租車駕駛員在尋客過程中的盲目性與不確定性,尤其是對(duì)于缺乏經(jīng)驗(yàn)的出租車駕駛員,往往需要浪費(fèi)很長時(shí)間去尋找下一位乘客。為了解決空駛出租車尋客的問題,必須要為出租車駕駛員提供一套引導(dǎo)其尋客行為的方法,因此要對(duì)出租車駕駛員進(jìn)行尋客駕駛方案推薦,減少其尋客過程中的盲目性。本文首先根據(jù)出租車的歷史數(shù)據(jù),對(duì)出租車的數(shù)據(jù)進(jìn)行處理和分析,應(yīng)用SQL Server數(shù)據(jù)庫,對(duì)上海市QS出租車公司的出租車數(shù)據(jù)進(jìn)行預(yù)處理,然后分別建立上下車點(diǎn)提取算法和OD匹配算法獲取出租車的需求信息和運(yùn)營時(shí)間信息,并對(duì)一些能反映出租車需求狀態(tài)和空駛狀態(tài)的運(yùn)營指標(biāo)進(jìn)行分析。然后基于已處理的數(shù)據(jù),挖掘出租車需求的熱點(diǎn)區(qū)域,本文運(yùn)用了基于密度的聚類方法OPTICS算法對(duì)出租車需求點(diǎn)進(jìn)行聚類分析,在詳細(xì)介紹了算法的原理的基礎(chǔ)上,通過實(shí)例進(jìn)行了最優(yōu)參數(shù)的確定和聚類結(jié)果展示,最后計(jì)算出每個(gè)聚類簇的核心點(diǎn)位置作為出租車的需求熱點(diǎn)。最后,本文綜合考慮了需求熱點(diǎn)載客概率、最短尋客距離和基于車速的道路交通狀態(tài)指數(shù)三個(gè)指標(biāo)。首先建立尋客駕駛方案推薦的綜合推薦度指標(biāo),篩選出評(píng)分最優(yōu)的尋客點(diǎn),得到尋客點(diǎn)序列。然后,建立尋客點(diǎn)序列綜合評(píng)價(jià)函數(shù),得到最優(yōu)尋客點(diǎn)序列,做為尋客駕駛方案推薦的結(jié)果。其間,運(yùn)用剪枝策略減小算法的規(guī)模,提高計(jì)算效率。最后通過實(shí)例進(jìn)行驗(yàn)證,結(jié)果表明,最優(yōu)尋客點(diǎn)序列對(duì)應(yīng)的影響因素值符合常規(guī)的交通狀況,模型是有效的。
【學(xué)位單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：U495
【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究目的和意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 出租車GPS數(shù)據(jù)挖掘應(yīng)用研究現(xiàn)狀
        1.3.2 出租車尋客駕駛方案相關(guān)研究現(xiàn)狀
        1.3.3 當(dāng)前研究的局限性
    1.4 研究?jī)?nèi)容與技術(shù)路線
2 相關(guān)理論與技術(shù)綜述
    2.1 出租車GPS相關(guān)理論與技術(shù)
        2.1.1 出租車GPS定位原理
        2.1.2 出租車GPS數(shù)據(jù)特征
        2.1.3 GIS地理信息系統(tǒng)概述
    2.2 出租車需求熱點(diǎn)分析相關(guān)理論
        2.2.1 GPS軌跡挖掘技術(shù)概述
        2.2.2 常用聚類分析方法概述
3 出租車GPS數(shù)據(jù)處理與分析
    3.1 數(shù)據(jù)描述與預(yù)處理
        3.1.1 數(shù)據(jù)描述
        3.1.2 GPS數(shù)據(jù)預(yù)處理
    3.2 出租車乘客上下車點(diǎn)提取與OD匹配
        3.2.1 乘客上下車點(diǎn)提取
        3.2.2 OD匹配
    3.3 出租車運(yùn)營相關(guān)指標(biāo)分析
        3.3.1 乘客上下車情況分析
        3.3.2 空駛時(shí)間、里程比率分析
    3.4 本章小結(jié)
4 基于OPTICS密度聚類的出租車需求熱點(diǎn)分析
    4.1 OPTICS聚類算法概述
        4.1.1 DBSCAN算法原理
        4.1.2 OPTICS算法原理
    4.2 實(shí)例分析
        4.2.1 聚類結(jié)果分析
        4.2.2 需求熱點(diǎn)位置計(jì)算
    4.3 本章小結(jié)
5 出租車尋客駕駛方案推薦模型
    5.1 模型概述
        5.1.1 問題描述
        5.1.2 推薦模型框架
    5.2 尋客駕駛方案推薦相關(guān)影響因素
        5.2.1 需求熱點(diǎn)載客概率
        5.2.2 最短尋客距離
        5.2.3 基于車速的道路交通狀態(tài)指數(shù)
    5.3 最優(yōu)尋客點(diǎn)序列推薦模型
        5.3.1 尋客點(diǎn)序列生成
        5.3.2 最優(yōu)尋客點(diǎn)序列推薦
        5.3.3 剪枝策略
    5.4 實(shí)例分析
        5.4.1 指標(biāo)計(jì)算及備選尋客點(diǎn)篩選
        5.4.2 尋客駕駛方案推薦結(jié)果分析
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄧哲民;周旭華;;融合IGS和CMONOC的GPS數(shù)據(jù)反演實(shí)測(cè)電離層研究[J];中國科學(xué)院上海天文臺(tái)年刊;2016年00期

2 任亞飛;莫金亮;;大數(shù)據(jù)在交通中的應(yīng)用——GPS數(shù)據(jù)[J];信息通信;2019年10期

3 王俊偉;蘇小會(huì);;基于GPS數(shù)據(jù)的車輛在高寒環(huán)境下適應(yīng)性跟蹤測(cè)試[J];環(huán)境技術(shù);2018年06期

4 孫陽;林航飛;;基于GPS數(shù)據(jù)的上海出租車與公交出行特征比較分析[J];交通與運(yùn)輸(學(xué)術(shù)版);2018年02期

5 趙夏君;;基于GPS軌跡數(shù)據(jù)的城市路段交通擁堵時(shí)序分析[J];湖南交通科技;2018年03期

6 李強(qiáng);馮曼;張東和;蕭佐;師立勤;;基于單站GPS數(shù)據(jù)的GPS系統(tǒng)硬件延遲估算方法及結(jié)果比較[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版)網(wǎng)絡(luò)版(預(yù)印本);2007年02期

7 畢碩本;萬蕾;楊樹亮;閆業(yè)超;NKUNZIMANA Athanase;;基于GPS數(shù)據(jù)的南京出租車上下客時(shí)間特征及熱點(diǎn)時(shí)空分布[J];中國科技論文;2018年09期

8 任亞飛;金睿;莫金亮;劉法超;;出租車GPS數(shù)據(jù)可視化分析[J];數(shù)字技術(shù)與應(yīng)用;2019年02期

9 曲國偉;王英慧;;VC++環(huán)境下利用MsChart控件對(duì)GPS數(shù)據(jù)的處理[J];計(jì)算機(jī)與現(xiàn)代化;2007年09期

10 劉惠宇;劉鵬;張婷;;基于出租車GPS數(shù)據(jù)的城市人群出行模式研究[J];江蘇科技信息;2019年17期

相關(guān)博士學(xué)位論文 前1條

1 池利兵;城市客運(yùn)出租車空氣污染測(cè)算方法與減排策略研究[D];哈爾濱工業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 苗星至;基于GPS數(shù)據(jù)的出租車需求熱點(diǎn)分析與尋客駕駛方案推薦研究[D];大連理工大學(xué);2019年

2 張雷;面向GPS數(shù)據(jù)的軌跡聚類與異常檢測(cè)算法研究[D];遼寧大學(xué);2019年

3 李美葉;基于GPS數(shù)據(jù)的出租車載客路徑選擇行為研究[D];長安大學(xué);2019年

4 唐雋玉;基于GPS數(shù)據(jù)的出租車供需不平衡時(shí)空分布及影響因素研究[D];上海交通大學(xué);2018年

5 吳迪;基于多軌跡GPS數(shù)據(jù)和路網(wǎng)屬性的個(gè)性化行人導(dǎo)航系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];深圳大學(xué);2018年

6 張海鵬;基于GPS數(shù)據(jù)的短時(shí)交通狀態(tài)預(yù)測(cè)識(shí)別研究[D];內(nèi)蒙古工業(yè)大學(xué);2018年

7 陳玲燕;出租車GPS數(shù)據(jù)的信息挖掘研究[D];北京交通大學(xué);2018年

8 付星;基于高峰時(shí)段出租車GPS數(shù)據(jù)聚類分析的區(qū)域可達(dá)性研究[D];長安大學(xué);2018年

9 鄭劍煒;基于GPS數(shù)據(jù)的出租車異常運(yùn)營狀態(tài)檢測(cè)技術(shù)[D];南京航空航天大學(xué);2018年

10 張卓;基于出租車GPS數(shù)據(jù)的城市交通運(yùn)行特性分析[D];東北農(nóng)業(yè)大學(xué);2018年

本文編號(hào)：2883673