基于出租车gps轨迹的乘客目的地预测预分析

《基于出租车gps轨迹的乘客目的地预测预分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于出租车GPS轨迹的乘客目的地预测预分析摘要：出租车的供需矛盾影响着整个城市的交通。通过挖掘出租车GPS轨迹中的信息，可以预测乘客的目的地位置，提高出租车调度中心的效率，帮助缓解城市的压力，减少城市污染。同时预测乘客的0的地还可以用于商业广告推广，提高导航效率等。本文主要介绍出租车乘客目的地预测的原理和方法。本文采集自网络，本站发布的论文均是优质论文，供学习和研究使用，文中立场与本网站无关，版权和著作权归原作者所有，如有不愿意被转载的情况，请通知我们删除己转载的信息，如果需要分享，请保留本段说明。关键词

2、：出租车；GPS轨迹分析；目的地预测；乘客0前言出租车公司为每辆出租车都安装了GPS仪器，方便出租车公司的监控和调动，同时能够保证出租车司机的安全。当前，城市的交通压力空前巨大，交通拥堵和空气污染问题严重。出租车是缓解城市压力的一种重要的交通工具。但是，由于出租车的数量有限，在交通高峰期很多乘客很难找到一辆出租车。而出租车在某些时段需要形势很长的距离才能找到乘客。因此，出租车调度中心需要提高调度效率，保证出祖车的使用率，是一个亟待解决的问题。但是，由于出租车的流动性较强，在不知道乘客目的地的情况下很难对其

3、进行调度。在出租车GPS轨迹信息中，蕴含了大量的乘客信息。从这些信息中，可以挖掘出乘客的流动模式，以及城市中不同乘客的乘车习惯。使用这些信息，可以帮助我们预测出租车的目的地，缓解城市的交通压力。1出租车GPS数据分析为了保证数据能够真实的反应城市的交通规律以及乘客的乘车习惯，本文中使用了葡萄牙波尔图市的出租车数据。在该数据中包含了442辆出租车的GPS数据。数据包含了9个特征，包括：每条轨迹的唯一编号，乘客是否使用电话呼叫出租车的方式，乘客的电话，上车的出租车站台，出租车的编号，时间，是否力节假日，数据是

4、否完整，出租车GPS轨迹点。数据的跨度从2013年的7月到2014年6月。出租车的轨迹数据几乎遍布城市路网的各个角落。越往城市市中心，出租车的轨迹就越密集，乘客的搭载活动越多。在城市中间河流的北岸乘客活动最密集。2乘客目的地聚类方法由于乘客目的地遍布城市的各个角落，增加了城市目的地预测的难度。为了方便预测，在建立预测模型之前，将乘客的目的地进行聚类，方便可以降低预测模型的复杂性，提高预测效率。在常用的聚类方法当中使用DBSCAN方法和mean-shift聚类方法最多。本文中采用了mean-shift聚类方

5、法。在聚?之前，本文选择了出租车的轨迹的最后一个点作为乘客的下车地点，然后使用聚类算法对其聚类。聚类结果为3356个点，这些点几乎涵盖了城市的所有角落。图1为对GPS轨迹中所有点的可视化。可以看出几乎在每个地点都有乘客下车。同时可以看出和全部的数据可视化一样，在市中心的下车远远高于其它地区。3乘客目的地预测常用方法及应用在出租车预测的常用算法中，最常见的存两类算法：基于概率论的目的地预测和基于神经网络的目的地预测。其中基于概率论的算法计算GPS轨迹数据中的先验概率，通过计算不同位置之间的转换概率，获得最大

6、概率的目的地作为乘客目的地。其优点是计算简单，算法复杂度低，同时能够充分利用数据中的信息。但是对数据的噪声并不能很好的处理。要求数据量足够大。由于GPS轨迹自身具右稀疏性，在城市两个不同地点之间很难具有足够的GPS数据，所以此类模型很难提供高精度的运算。深度神经网络技术是当前最流行的算法之一。该算法在图像识别、语音识别等领域获得了巨大成功。基于神经网络的模型使用该算法，将原始的GPS轨迹数据进行特征提取以后使用该模型进行预测。在当前的算法当中，该模型在出租车目的地预测当中保持了最高的准确度。基于出租车gp

7、sg的地的预测有很多应用，其中如上文提到的是最重要的应用之一。除此之外还有很多其它应用。例如，每年商业公司都耍花费巨额资金投入到广告行业进行商业推广。但是，精准的广告投放需要具存丰富的工作经验。如果能够分析出租车的H的地，分析目的地乘客的类型和消费习惯，就可以对乘客进行更加的精准的分析。这样对其进行商业广告的推广就更加有效。此外，目的地预测还可以提高导航系统的功能，自动驾驶等方面有广阔的前景。4结语出租车是缓解城市交通压力的重要手段之一，只有充分利用才能最好的缓解乘客与出租车之问的供需矛盾。同时，能够提高

8、出租车司机的收入，也可以减少城市污染。通过分析出租车GPS轨迹信息中的乘客规律，可以帮助调度中心更好的预测出租车的形势方向和区域。这样就可以进一步提高出租车调度中心的调度效率。帮助出租车更快的响应需要乘车的乘客。