基于GPS轨迹数据的城市出租车服务策略研究

《基于GPS轨迹数据的城市出租车服务策略研究》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、分类号：U49110710-2015124005硕士学位论文基于GPS轨迹数据的城市出租车服务策略研究温兴超导师姓名职称康军副教授申请学位类别工学硕士学科专业名称信息与通信工程论文提交日期2018年4月2日论文答辩日期2018年6月3日学位授予单位长安大学ResearchonurbantaxiservicestrategybasedonGPStrajectorydataAThesisSubmittedfortheDegreeofMasterCandidate:WenXingchaoSupervisor:Asso.Prof.KangJunCha

2、ng‘anUniversity,Xi‘an,China摘要出租车作为城市公共交通的有益补充，数量在逐年上升，而出租车司机收入的高低差距却比较大，针对这一现象，出租车司机的服务行为模式以及其对司机收入影响关系的研究已成为交通领域研究的热点之一。出租车GPS轨迹反映了出租车司机及人的移动轨迹和交通状况，为出租车司机行为模式的分析提供了新的思路。论文将出租车司机在运营过程中的服务行为，决策过程，和热点区域偏好等行为模式抽象为服务策略，以西安市12000多辆出租车一个月的GPS轨迹数据集为基础，研究如何从轨迹数据中提取出租车服务策略，并将其应用于出租

3、车服务策略评价矩阵的建立、出租车司机收入的预测和服务策略评价矩阵的预测，分析出租车服务策略对出租车司机收入的影响。论文主要工作如下：（1）利用大数据平台Spark对出租车GPS数据集进行二次排序和轨迹提取，完成了数据清洗工作，并分析了出租车司机收入的量化方法与西安市地图网格划分方法。（2）分析并定义了三种出租车服务策略及其提取方法，从GPS轨迹数据中提取不同时间段和不同的网格区域内的服务策略指标，为了发现高效的服务策略，采用皮尔逊(Pearson)相关系数分析法建立出租车服务策略评价矩阵，并利用交替最小二乘法(ALS)补全服务策略评价矩阵缺失

4、数据，构建了基于GPS轨迹数据的出租车服务策略评价模型，并设计了出租车服务策略与评价矩阵的提取算法。（3）分析了基于历史出租车服务策略数据对出租车司机收入的可预测性，通过高斯过程回归模型(GPR)设计了基于出租车服务策略数据的司机收入预测模型，采用深度学习算法设计了基于出租车服务策略数据的评价矩阵预测模型。（4）基于西安市一个月真实复杂环境下的出租车GPS轨迹数据对出租车服务策略和两种预测模型进行了实例分析。实验结果表明，在不同时间段和不同区域，服务策略对出租车司机收入的影响巨大，可根据出租车服务策略评价矩阵发现高效的服务策略；基于出租车服务

5、策略数据采用高斯过程回归模型对司机收入的预测准确度高，并且给出了95%置信区间，改进了传统预测定值的缺点；基于深度学习算法的出租车服务策略评价矩阵的预测效果良好，利用其预测结果可以了解未来一段时间内的服务策略趋势。关键词：智能交通系统，出租车GPS数据，轨迹数据挖掘，服务策略，SparkiAbstractAsabeneficialsupplementtourbanpublictransport,thenumberoftaxisisincreasingyearbyyear,butthegapbetweentaxidrivers'incomesi

6、srelativelylarge.Inthiscase,theresearchontherelationshipbetweentheservicebehaviorpatternoftaxidriversandthedriver'sincomehasbecomeoneofthehottopicsinthefieldoftraffic.TheGPStrackoftaxireflectsthemobiletrackandtrafficconditionoftaxidriversandpeople,whichprovidesanewthoughtfo

7、rtheanalysisoftaxidrivers'behaviormode.Inthispaper,weabstractsthebehaviorpatterns,decision-makingprocess,andhotspotpreferenceintheoperationprocessasservicestrategy.BasedontheGPStrajectorydatasetsofmorethan12000taxisforonemonthinXi'an,thispaperstudieshowtoextracttaxiservices

8、trategyfromthetrajectorydata,andappliesittotheestablishmentoftaxiservicestrategyev