基于大数据挖掘的空载出租车乘车辅助系统研究开题报告

全文总字数：5563字

1. 研究目的与意义（文献综述）

一、课题设计的目的和意义

随着社会经济的发展，人们的出行需求不断增加，出租车凭借其便捷性、快速性在交通工具中占有重要地位。但由于乘客和出租车之间的信息交互程度低，出租车“载客难”，导致出租车空载率居高不下，出租车司机的经济收益降低。且近年来网约车的出现对出租车行业产生了巨大冲击，使得出租车空载率再次上升^[1]。

出租车高空载率不仅降低了出租车司机的经济收益，也严重影响了出租车行业的健康发展。为了降低出租车空载率，出租车司机无目的巡游，而由于无法精确掌握载客热点分布，只能凭借经验模糊判断，准确率低，无法有效地降低出租车空载率^[2]。目前我国少有研究或系统关注于空载出租车巡游路径的推荐，没有一种有效的手段降低出租车空载率。

对于出租车记录的原始信息，出租车的乘客信息是单一的，即只是记录司机在单一地点中搭乘了一位乘客，数据不具备现实的指导意义。而出租车的运行轨迹是按照乘客的数据分布而做有利益最大化的路径规划^[3]和固定地点的需要搭乘出租车的人数随着时间的分布是具有规律性的^[4]。综上，对于这些存在规律的原始数据进行数据挖掘，得到在固定地点的乘客搭乘数量的数据分布，可以明显科学有效的提高空载出租车和乘客信息的交互程度^[5]。

2. 研究的基本内容与方案

三、研究的基本内容和技术方案

3.1 总体研究思路

系统采用c/s架构设计，包括服务器端3个子系统和车载app软件，其大数据收集及预处理子系统、载客热点预测子系统和空载出租车巡游路径推荐子系统在后台服务器中运行，以计算出空载出租车最佳的巡游路径；车载app主要实现出租车位置采集和推荐路径的可视化。

3.2 研究内容和目标

本项目系统的研究内容主要为以下3个方面：

（1）采集海量出租车数据，并利用拉伊达法则和投影匹配算法剔除异常数据，对路网网格化，计算网格载客能力和载客概率，挖掘载客热点区域；

3. 研究计划与安排

四、进度安排

（1） 2020/1/13—2020/2/28：阅读相关文献，确定选题，完成外文翻译和开题报告；

（2） 2020/3/1—2020/3/10：完成原始数据的预处理，包括地图的网格化和数据的网格化和数据维度的转换，学习深度学习的理论知识；

（3） 2020/3/11—2020/4/10：学习深度学习知识，设计和训练预测模型；对于数据的预处理模块，实现数据的自动处理和预测，实现全部流程在服务器端自动完成；

4. 参考文献（12篇以上）

五、参考文献

[1] yuan j, zheng y, zhang l, et al. where to find my next passenger[c]. ubicomp 2011: ubiquitous computing, international conference, ubicomp 2011, beijing, china, september 17-21, 2011, proceedings. dblp, 2011:109-118.

[2] 李艳红, 袁振洲, 谢海红,等. 基于出租车od数据的出租车出行特征分析[j]. 交通运输系统工程与信息, 2007, 7(5):85-89.

[3] 王晓文. 基于载客热点区域的出租车巡游路径推荐方法的研究与实现[d]. 中国海洋大学, 2015.