目前,日常生活中正在產(chǎn)生大量的時(shí)空軌跡數(shù)據(jù)。許多帶有定位裝置的出租車可以記錄他們的位置并將其報(bào)告給服務(wù)器。大量的GPS數(shù)據(jù)生成了出租車軌跡,但是如何在推薦系統(tǒng)中應(yīng)用這些軌跡成為了一個(gè)需要解決的問(wèn)題。針對(duì)這一問(wèn)題,最近已經(jīng)出現(xiàn)了一些基于挖掘出租車軌跡移動(dòng)性的尋客推薦系統(tǒng)�，F(xiàn)有的系統(tǒng)側(cè)重于推薦司機(jī)去乘客出現(xiàn)概率最大的地方尋客。但是他們大多忽略了在原地或者是附近等待可能會(huì)獲得更大的利潤(rùn)。此外,推薦系統(tǒng)給出的建議很少考慮駕駛員之間的潛在競(jìng)爭(zhēng)和實(shí)時(shí)交通路況對(duì)策略的影響。本文針對(duì)以上問(wèn)題,提出了一個(gè)出租車尋客路線的可共享推薦系統(tǒng)。我們將原地或者就近停車等待客人也作為一種尋客的策略。將出租車司機(jī)的尋客過(guò)程用馬爾科夫決策過(guò)程（Markov decision progress,MDP）來(lái)建模,并且提出一種全新的基于海量軌跡數(shù)據(jù)的Q-學(xué)習(xí)算法來(lái)進(jìn)行模型的訓(xùn)練�？紤]到對(duì)于同一位置的乘客,司機(jī)之間存在競(jìng)爭(zhēng),以及實(shí)時(shí)交通路況對(duì)尋客策略的影響,本文的系統(tǒng)在在線推薦過(guò)程中,利用駕駛員的反饋數(shù)據(jù)來(lái)對(duì)模型進(jìn)行更新,并推薦當(dāng)前最優(yōu)的尋客策略。實(shí)驗(yàn)結(jié)果表明,我們的系統(tǒng)比目前的最先進(jìn)的方法可以達(dá)到更好的性能。本文的主要貢獻(xiàn)如... 

【文章來(lái)源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 出租車尋客策略推薦研究
        1.2.2 出租車軌跡數(shù)據(jù)挖掘研究
        1.2.3 路線規(guī)劃研究
    1.3 當(dāng)前研究存在的問(wèn)題
    1.4 研究?jī)?nèi)容和主要?jiǎng)?chuàng)新點(diǎn)
    1.5 本文組織結(jié)構(gòu)與章節(jié)安排
第二章 相關(guān)理論技術(shù)
    2.1 軌跡數(shù)據(jù)挖掘
        2.1.1 軌跡數(shù)據(jù)預(yù)處理
        2.1.2 軌跡數(shù)據(jù)挖掘技術(shù)
        2.1.3 軌跡數(shù)據(jù)挖掘的應(yīng)用
    2.2 馬爾科夫決策過(guò)程
        2.2.1 馬爾科夫性
        2.2.2 馬爾科夫隨機(jī)過(guò)程
        2.2.3 馬爾科夫決策過(guò)程
        2.2.4 Q-學(xué)習(xí)
    2.3 本章小結(jié)
第三章 問(wèn)題定義及數(shù)據(jù)預(yù)處理
    3.1 問(wèn)題定義
    3.2 數(shù)據(jù)預(yù)處理
        3.2.1 數(shù)據(jù)基本介紹
        3.2.2 軌跡數(shù)據(jù)清洗
        3.2.3 載客點(diǎn)篩選
        3.2.4 POI數(shù)據(jù)處理
    3.3 本章小結(jié)
第四章 基于軌跡的尋客策略共用推薦系統(tǒng)框架
    4.1 框架概述
    4.2 推薦系統(tǒng)評(píng)價(jià)標(biāo)準(zhǔn)確立
        4.2.1 高效的尋客路線的評(píng)價(jià)標(biāo)準(zhǔn)
        4.2.2 高效的推薦系統(tǒng)的評(píng)價(jià)標(biāo)準(zhǔn)
    4.3 本章小結(jié)
第五章 最優(yōu)尋客策略計(jì)算
    5.1 出租車�？康貦z測(cè)
    5.2 尋找最優(yōu)尋客策略
    5.3 模擬尋客過(guò)程
    5.4 本章小結(jié)
第六章 共用條件下在線策略計(jì)算
    6.1 前k個(gè)候選策略生成
    6.2 候選策略過(guò)濾和在線推薦
        6.2.1 基于交通指數(shù)的策略過(guò)濾
        6.2.2 基于多人可共用的策略過(guò)濾
        6.2.3 在線推薦算法的時(shí)間復(fù)雜度分析
    6.3 本章小結(jié)
第七章 實(shí)驗(yàn)結(jié)果分析
    7.1 參數(shù)值的選擇
        7.1.1 高峰時(shí)段和非高峰時(shí)段
        7.1.2 出租車收益計(jì)算
        7.1.3 網(wǎng)格大小
        7.1.4 Q-學(xué)習(xí)使用的參數(shù)
    7.2 實(shí)驗(yàn)的對(duì)比方法
        7.2.1 基準(zhǔn)算法
        7.2.2 最大路網(wǎng)收益算法
        7.2.3 WMDP算法
        7.2.4 LMDP算法
    7.3 均衡道路負(fù)載機(jī)制的實(shí)驗(yàn)結(jié)果
    7.4 尋客距離的對(duì)比
    7.5 收益的實(shí)驗(yàn)結(jié)果
    7.6 本章小結(jié)
第八章 總結(jié)與展望
    8.1 本文總結(jié)
    8.2 研究展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]基于卡方檢驗(yàn)和SVM的用戶搜索畫(huà)像技術(shù)研究[J]. 李軍政,黃海,黃瑞陽(yáng),王康利.  電子設(shè)計(jì)工程. 2017(24)
[2]城市計(jì)算概述[J]. 鄭宇.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2015(01)
[3]基于浮動(dòng)車數(shù)據(jù)的城市居民出行行為規(guī)律分析[J]. 賈寧,杜盛楠.  科技創(chuàng)新導(dǎo)報(bào). 2013(16)
[4]基于方差的CHI特征選擇方法[J]. 邱云飛,王威,劉大有,邵良杉.  計(jì)算機(jī)應(yīng)用研究. 2012(04)
[5]推薦系統(tǒng)評(píng)價(jià)指標(biāo)綜述[J]. 朱郁筱,呂琳媛.  電子科技大學(xué)學(xué)報(bào). 2012(02)
[6]出租車經(jīng)驗(yàn)知識(shí)建模與路徑規(guī)劃算法[J]. 唐爐亮,常曉猛,李清泉.  測(cè)繪學(xué)報(bào). 2010(04)
[7]一種改進(jìn)的基于條件互信息的特征選擇算法[J]. 王衛(wèi)玲,劉培玉,初建崇.  計(jì)算機(jī)應(yīng)用. 2007(02)
[8]基于相關(guān)性分析的特征選擇方法研究[J]. 何志文,李夕海,劉代志,張斌.  核電子學(xué)與探測(cè)技術(shù). 2005(06)

博士論文
[1]基于浮動(dòng)車的深圳市道路交通運(yùn)行評(píng)價(jià)研究[D]. 呂北岳.武漢大學(xué) 2013

碩士論文
[1]基于大數(shù)據(jù)Hadoop平臺(tái)的出租車載客熱點(diǎn)區(qū)域挖掘研究[D]. 王鄭委.北京交通大學(xué) 2016
[2]基于出租車軌跡數(shù)據(jù)挖掘的推薦模型研究[D]. 趙苗苗.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2015
[3]基于GPS軌跡的出租車載客路徑智能推薦[D]. 李衢伶.湖南科技大學(xué) 2014
[4]基于出租車GPS數(shù)據(jù)的城市公交線網(wǎng)優(yōu)化[D]. 李汝佟.電子科技大學(xué) 2014
[5]基于GPS數(shù)據(jù)的出租車交通運(yùn)行特性研究及應(yīng)用[D]. 齊林.哈爾濱工業(yè)大學(xué) 2013



本文編號(hào)：2985234