没有合适的资源?快使用搜索试试~ 我知道了~
基于加权时变泊松模型的出租车载客点推荐模型_商建东1
需积分: 0 0 下载量 123 浏览量
2022-08-03
23:08:22
上传
评论
收藏 307KB PDF 举报
温馨提示
试读
6页
的实用背景,例如:电话交换台在某段时
资源详情
资源评论
资源推荐
书书书
收
稿日期
: 2017-09-28;
修回日期
: 2017-12-04。
作者简介
:
商建东
( 1968—)
,
男
,
河
南郑州人
,
教授
,
博士
,
主要研究方向
:
数据挖掘
、
高性能计算
;
李盼乐
( 1992—)
,
男
,
河
南洛阳人
,
硕士
研究生
,
主要研究方向
:
轨迹挖掘
;
刘润杰
( 1972—)
,
男
,
河
南安阳人
,
副教授
,
博士
,
主要研究方向
:
通信网络特性
、
混沌分形方法
;
李润川
( 1991—)
,
男
,
河
南商丘人
,
博士研究生
,
主要研究方向
:
智慧医疗
、
机器学习
。
文
章编号
: 1001-9081( 2018) 04-0923-05 DOI: 10. 11772 /j. issn. 1001-9081. 2017092339
基于加权时变泊松模型的出租车载客点推荐模型
商
建东
1
,
李
盼乐
1
*
,
刘
润杰
1
,
李
润川
2,3
( 1.
郑
州大学 智慧城市研究院
,
郑州
450000; 2.
郑州大学 产业技术研究院
,
郑州
450000;
3.
郑州大学 互联网医疗与健康服务河南省协同创新中心
,
郑州
450000)
( *
通信作者电子邮箱
13137052075@ 163. com)
摘 要
:
针对出租车空载率高
、
司机寻客难的问题
,
提
出泊松
-
卡尔曼组合预测模型
( PKCPM) 。
首先
,
采用加权非
齐次泊松模型
,
针对出租车历史数据进行建模
,
得到目标时刻的估计值
;
其次
,
基于当天的实时数据
,
将临近时刻乘客
需求的平均值作为目标时刻预测值
;
最后
,
将预测值和估计值作为卡尔曼滤波模型的输入参数
,
实现对目标时刻出租
车乘客需求的预测
,
同时引入误差反向传播机制
,
减小下一次预测误差
。
基于郑州市出租车轨迹数据集
,
对组合模型
与非齐次泊松模型
( NHPM) 、
加权非齐次泊松模型
( WNHPM) 、
支持向量机
( SVM)
等三种模型进行对比
,
实验结果显
示
PKCPM
的误差比
WNHPM、SVM
分别降低了
8. 85
个百分点
、14. 9
个百分点
。
该模型能对不同时段内
、
不同空间网
格的乘客需求进行预测
,
为出租车寻找乘客提供可靠的依据
。
关键词
:
空载率
;
卡尔曼滤波预测模型
;
加权时变泊松模型
;
临近时刻乘客需求
中图分类号
: TP181
文献标志码
: A
Recommendation model of taxi passenger-finding locations based on
weighted non-homogeneous Poisson model
SHANG Jiandong
1
, LI Panle
1
*
, LIU Runjie
1
,LI Runchuan
2,3
( 1. Smart City Research Institue, Zhengzhou University, Zhengzhou Henan 450000, China;
2. Research Institute of Industrial Technology, Zhengzhou University, Zhengzhou Henan 450000, China;
3. Cooperative Innovation Center of Internet Healthcare, Zhengzhou University, Zhengzhou Henan 450000, China)
Abstract: To slove the problem of high taxi empty-loading ratio of taxi and difficulty in finding passengers, a new model
called Possion-Kalman combined prediction Model ( PKCPM) was proposed. Firstly, weighted Non-Homogeneous Poisson
Model ( NHPM) was used to get the estimated value of the target time based on taxi historical data. Secondly, the mean value
of the passenger demand in the near time, was taken as the predicted value , based on the real-time data. Finally, the
predicted value and the estimated value were used as the inputs of Kalman filtering model to predict the target variance,
meanwhile, the error backpropagation mechanism was introduced to reduce the next prediction error. The experimental results
on the taxi trajectory dataset in Zhengzhou show that compared with NHPM, Weighted NHPM ( WNHPM) and Support Vector
Machine ( SVM) , PKCPM achieves a better optimization effect, and the error of PKCPM is reduced by about 8. 85 percentage
points and 14. 9 percentage points respectively compared with WNHPM and SVM. PKCPM can predict passenger demand
within different time and spacial grid, and provides a reliable solution to taxi driver for finding passengers.
Key words: empty-loading ratio; Kalman filtering prediction model; weighted Non-Homogeneous Poisson Model
( NHPM) ; passenger demand in the near time
0
引
言
随着城市人口和
交通流的不断增加
,
交通问题已成为现
代化大城市的一个焦点问题
,
例如
,
在北京上下班高峰期期
间
,
公交车和地铁将会过载
,
乘客需要等待至少
30 min
才能
等到出租车
[1]
,
然
而在其他时段
,
绝大多数出租车要么空载
,
要么停在某处等待乘客
。
据不完全统计
,
绝大多数城市的出
租车空载率在
50%
以上
,
部分城市甚至高达
80%
以上
[2]
,
这
导
致了极大的交通资源浪费
,
如何有效地降低出租车空载率
,
进而提高出租车的利用率是智能交通的研究热点之一
。
出租空载率高不仅造成市民打车难
,
而且加剧了城市拥
堵
、
资源浪费和环境污染
。
在车载通信系统中
,
车载全球定位
系统
( Global Positioning System,GPS)
会以一定的频率向管理
中心发送当前的经纬度
、
时间
、
速度
、
方向以及载客状态等时
空轨迹信息
,
各地的出租车管理中心积累了大量的出租车
GPS
轨迹数据
。
通过对出租车数据进行时空分布挖掘
,
可以
动态感知不同区域内的上客分布规律
,
将有助于出租车司机
寻找最佳客源
,
提升司机的经济收入
,
进而减少车辆的空载
。
本文基于海量出租车轨迹数据
,
深入挖掘出租车上客时
空分布特征
,
结合非齐次泊松分布模型和指数平滑法对不同
区域
、
不同时段内的乘客需求进行预测
,
为出租车寻找乘客提
供了可靠的依据
。
Journal of Computer Applications
计算机应用
,2018,38( 4) : 923 - 927,934
ISSN 1001-9081
CODEN JYIIDU
2018-04-10
http: / /www. joca. cn
ShenPlanck
- 粉丝: 61
- 资源: 343
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0