發(fā)布時間：2021-11-08 12:40

　　現(xiàn)有的汽車客運服務(wù)存在信息資源整合不完善,管理思想老舊等問題,導致客運服務(wù)不適應(yīng)市場。乘客的出行受現(xiàn)有的城際汽車客運的局限性因素影響,致使其出行體驗較差。汽運客車的訂單調(diào)度方式直接影響客運服務(wù)的質(zhì)量,當前的調(diào)度方式是采用多名調(diào)度人員人工調(diào)度,其調(diào)度方式需要投入大量的人力資源、時間成本高、調(diào)度效率低,同時還需要工作人員有較多訂單調(diào)度經(jīng)驗,無法保證調(diào)度結(jié)果的準確性和合理性。在這樣的形勢下,如何提高汽運客車訂單調(diào)度的效率,成為提升乘客服務(wù)體驗的關(guān)鍵一環(huán)。實踐證明,利用高效的智能調(diào)度算法可顯著提升訂單調(diào)度的質(zhì)量,有利于改善用戶體驗,提高汽運公司的運營效率,使客運資源得以更加合理的利用。本文結(jié)合數(shù)據(jù)挖掘中的聚類分析方法和專家規(guī)則的組合優(yōu)化方法,提出了汽車客運的一種智能調(diào)度算法。通過借鑒網(wǎng)約車平臺的調(diào)度模式,把小巴車代替大巴車的出行模式融入汽車客運服務(wù),對用戶多樣化的需求進行分析,建立合理的多維度（乘客人數(shù)、出發(fā)時間、發(fā)車點地址）車輛資源自動派單服務(wù)模型,主要包括增量調(diào)度和全局調(diào)度兩個模塊,分別實現(xiàn)對新進訂單的預處理和訂單組全局優(yōu)化處理。根據(jù)訂單的多維度屬性和實際發(fā)車情況所設(shè)的約束條件,基于Can... 

【文章來源】：山西大學山西省

【文章頁數(shù)】：53 頁

【學位級別】：碩士

【部分圖文】：

三個最

腫椋?緯啥┑サ拇�。最汗a諍獻?夜嬖虻淖楹嫌嘔?椒ǘ遠┑ゴ亟?寫?恚??成合理的訂單組合方案（全局調(diào)度），從而實現(xiàn)自動調(diào)度客運訂單的目的。3.2Canopy-Kmeans算法3.2.1Canopy-Kmeans算法的基本思路Canopy-Kmeans算法是對K均值算法的一種改進算法，其算法分為兩個基本階段。第一階段使用Canopy算法對數(shù)據(jù)集合進行預處理，可以快速的將數(shù)據(jù)按距離劃分到一個Canopy子集中[55]。數(shù)據(jù)中的所有對象全部歸為各個Canopy中。第二階段則使用所得到的Canopy中心點作為K-means算法的K值和初始質(zhì)心點。算法流程如圖3.1所示。圖3.1Canopy-Kmeans算法流程K-means迭代Canopy中心點生成數(shù)據(jù)集劃分K值及中心點標注聚類劃分聚類結(jié)果生成

腫椋?緯啥┑サ拇�。最汗a諍獻?夜嬖虻淖楹嫌嘔?椒ǘ遠┑ゴ亟?寫?恚??成合理的訂單組合方案（全局調(diào)度），從而實現(xiàn)自動調(diào)度客運訂單的目的。3.2Canopy-Kmeans算法3.2.1Canopy-Kmeans算法的基本思路Canopy-Kmeans算法是對K均值算法的一種改進算法，其算法分為兩個基本階段。第一階段使用Canopy算法對數(shù)據(jù)集合進行預處理，可以快速的將數(shù)據(jù)按距離劃分到一個Canopy子集中[55]。數(shù)據(jù)中的所有對象全部歸為各個Canopy中。第二階段則使用所得到的Canopy中心點作為K-means算法的K值和初始質(zhì)心點。算法流程如圖3.1所示。圖3.1Canopy-Kmeans算法流程K-means迭代Canopy中心點生成數(shù)據(jù)集劃分K值及中心點標注聚類劃分聚類結(jié)果生成

【參考文獻】：
期刊論文
[1]基于數(shù)據(jù)挖掘理論的心血管疾病預警方法建模[J]. 白賀伊.  信息技術(shù). 2020(02)
[2]人工智能與數(shù)據(jù)挖掘技術(shù)在金融市場中的應(yīng)用[J]. 王娟,姚雪筠.  電子商務(wù). 2020(02)
[3]基于聚類分析和層次分析法的湖南省水生態(tài)文明評價指標體系構(gòu)建[J]. 山紅翠,盛東,徐幸儀.  水資源開發(fā)與管理. 2020(01)
[4]基于聚類分析的艦船沖擊環(huán)境區(qū)域劃分方法[J]. 張春輝,張磊,趙海江,胡易舟,李海濤.  中國艦船研究. 2020(05)
[5]數(shù)據(jù)挖掘技術(shù)在軟件工程中的應(yīng)用[J]. 楊品軍.  電子技術(shù)與軟件工程. 2020(01)
[6]基于PSO-KMeans算法的MATLAB（GUI）圖像分割系統(tǒng)平臺開發(fā)應(yīng)用[J]. 陳興志,樂文濤,王代文,黃飛翔,劉乃瑤.  國外測井技術(shù). 2019(06)
[7]Analysis of users’ electricity consumption behavior based on ensemble clustering[J]. Qi Zhao,Haolin Li,Xinying Wang,Tianjiao Pu,Jiye Wang.  Global Energy Interconnection. 2019(06)
[8]最近鄰優(yōu)化的k-means聚類算法[J]. 林濤,趙璨.  計算機科學. 2019(S2)
[9]分布式MVC-Kmeans算法設(shè)計與實現(xiàn)[J]. 汪晶,鄒學玉,喻維明,孫詠.  長江大學學報(自然科學版). 2019(06)
[10]汽運物流供應(yīng)鏈的構(gòu)建和應(yīng)用研究[J]. 李佳民,林溫建.  中國物流與采購. 2019(10)

博士論文
[1]基于數(shù)據(jù)挖掘的道路交通事故分析研究[D]. 孫軼軒.北京交通大學 2014
[2]聚類分析中的相似性度量及其應(yīng)用研究[D]. 白雪.北京交通大學 2012

碩士論文
[1]基于JSON的互聯(lián)網(wǎng)異構(gòu)數(shù)據(jù)整合的應(yīng)用研究[D]. 朱峰.南京郵電大學 2016
[2]多語言社會化標簽聚類及可視化研究[D]. 顧曉雪.南京理工大學 2015
[3]基于Map-Reduce并行聚類算法的研究[D]. 于春深.西安電子科技大學 2012
[4]基于紋理分類的圖像檢索技術(shù)研究[D]. 馬媛媛.河南理工大學 2010
[5]基于Voronoi的平面數(shù)據(jù)的聚類分析[D]. 向佐勇.湘潭大學 2009
[6]基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)入侵檢測系統(tǒng)的研究與設(shè)計[D]. 張里.重慶大學 2008
[7]聚類分析在圖像分類中的應(yīng)用研究[D]. 郝永寬.內(nèi)蒙古科技大學 2008
[8]關(guān)聯(lián)挖掘在科研管理系統(tǒng)中的應(yīng)用研究[D]. 于帥.大連海事大學 2007
[9]基于多Agent的網(wǎng)絡(luò)入侵檢測系統(tǒng)的研究[D]. 雷雁.南京信息工程大學 2005



本文編號：3483715