【摘要】：隨著經(jīng)濟的快速發(fā)展和城市化建設(shè)的日益推進,人們的出行服務(wù)的需求愈發(fā)增加,出租車作為城市公共交通的重要組成部分,在人們?nèi)粘３鲂兄邪l(fā)揮著重要作用。然而,由于出租車客源時空分布不均衡而導(dǎo)致出租車空載率升高、出租車行業(yè)內(nèi)惡性競爭、交通堵塞等問題頻頻發(fā)生,大大增加了出租車尋客的難度,降低了出租車的運營收益。隨著ITS智能交通系統(tǒng)技術(shù)的快速發(fā)展,國內(nèi)外越來越多的學(xué)者將出租車尋客模式作為研究熱點,但目前的研究成果大多研究如何提升出租車載客數(shù)量,普遍缺乏出租車收益評價指標和綜合考慮區(qū)域內(nèi)出租車供需關(guān)系及交通運力狀態(tài)的熱點區(qū)域推薦策略研究。本文以紐約市2016年1月1日至2016年6月30日期間7000萬條出租車GPS大數(shù)據(jù)為研究對象,以提高出租車收益為研究目標,將一天劃分為24個時間段,將空間進行網(wǎng)格區(qū)域劃分,獲取出租車客源時空分布特征和出租車客源收益時空分布特征。用兩種方法對出租車高收益尋客熱點區(qū)域進行推薦,第一種方法采用k-means聚類算法以每小時平均收益對出租車GPS數(shù)據(jù)進行聚類分析,然后將每小時高收益熱點區(qū)域中心點坐標推薦給司機。第二種方法充分考慮推薦的高收益尋客熱點區(qū)域內(nèi)出租車的供需關(guān)系及交通運力情況,綜合考慮區(qū)域內(nèi)乘客出行次數(shù)、載客收益、交通狀況并引入當前區(qū)域乘客對出租車的需求比作為平均收益指數(shù),然后根據(jù)當前區(qū)域內(nèi)路網(wǎng)的平均速度計算出租車到載客熱點區(qū)域的行駛時間,接單數(shù)量作為單位運力指數(shù),并通過構(gòu)建平均收益最大化和單位運力最大化的高收益尋客模型提出了基于出租車GPS數(shù)據(jù)的高收益尋客推薦策略,為出租車高收益尋客提高輔助決策支持,同時對于改善出租車資源分布不均衡的現(xiàn)狀,充分發(fā)揮會出租在城市交通中的補充作用有著重大意義。
【圖文】：

GPS工作原理圖

圖 2-3 地理信息系統(tǒng)結(jié)構(gòu)圖Figure 2-3 The structure of Geographic Information System的聚類分析算法
【學(xué)位授予單位】：溫州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U491;TP391.3

【參考文獻】

相關(guān)期刊論文 前9條

1 吳笛;杜云艷;易嘉偉;魏海濤;莫洋;;基于密度的軌跡時空聚類分析[J];地球信息科學(xué)學(xué)報;2015年10期

2 唐爐亮;鄭文斌;王志強;徐紅;洪軍;董坤;;城市出租車上下客的GPS軌跡時空分布探測方法[J];地球信息科學(xué)學(xué)報;2015年10期

3 畢軍;朱穎;程勇;;基于曲線擬合和網(wǎng)絡(luò)拓撲的綜合地圖匹配算法[J];交通信息與安全;2014年06期

4 薛會元;;淺析GPS測繪技術(shù)在工程測繪中的應(yīng)用[J];科技與企業(yè);2014年09期

5 殷鳳春;;高端人才區(qū)域聚集效應(yīng)分析[J];江蘇商論;2014年04期

6 任思佳;關(guān)可;;北斗/GPS雙模車載終端對靜態(tài)定位精度的影響[J];信息通信;2014年04期

7 陳軼非;李治軍;姜守旭;;關(guān)于出租車載客地點序列推薦技術(shù)的研究[J];智能計算機與應(yīng)用;2013年06期

8 張亞昕;;不確定數(shù)據(jù)聚類算法研究[J];計算技術(shù)與自動化;2013年02期

9 本刊編輯部;;智能交通——未來交通的新希望[J];汽車與安全;2012年03期

相關(guān)博士學(xué)位論文 前1條

1 劉張;城市交通運行狀態(tài)分析與預(yù)測關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 李秉帥;基于軌跡數(shù)據(jù)挖掘的短時出租車區(qū)域分布預(yù)測研究[D];吉林大學(xué);2017年

2 蘇飛;高維數(shù)據(jù)的聚類分析研究及應(yīng)用[D];華北水利水電大學(xué);2017年

3 張偉玲;基于軌跡數(shù)據(jù)的城市交通需求熱點區(qū)域推薦研究[D];蘭州交通大學(xué);2017年

4 張文星;人群聚集熱點區(qū)域分析與預(yù)測[D];寧夏大學(xué);2017年

5 王騰輝;基于Spark平臺的短時交通流預(yù)測研究[D];華南理工大學(xué);2016年

6 宋樂怡;海量出租車軌跡數(shù)據(jù)分析與位置推薦服務(wù)[D];華東師范大學(xué);2015年

7 梁婷婷;智能出行平臺下的城市出租車需求預(yù)測研究[D];吉林大學(xué);2016年

8 趙桂香;基于出租車承載行為的優(yōu)化決策調(diào)度方法研究[D];重慶交通大學(xué);2015年

9 遲文東;面向特種車輛調(diào)度的信息物理融合系統(tǒng)研究[D];南京郵電大學(xué);2015年

10 董琦t，

本文編號：2588184