1.一种基于司机经验的寻客区域推荐方法，其特征在于包括如下步骤：步骤1、车辆轨迹数据预处理；

步骤2、对载客位置点的数据进行聚类得到寻客区域分布图，并为处在不同地点的寻客区域建立区域网络的层次索引结构；

步骤3、统计司机的寻客区域访问频率：利用司机个人历史寻客轨迹数据集与寻客区域分布图统计出司机的寻客频率矩阵M；

步骤4、计算寻客区域的寻客价值；

步骤5、推荐寻客区域：为某个司机推荐当前所处位置内的Top-k个最具寻客价值的寻客区域位置信息。

2.根据权利要求1所述的一种基于司机经验的寻客区域推荐方法，其特征在于所述的步骤1车辆轨迹数据预处理：车辆轨迹数据是由一系列四元组l的序列Tr：l0→l1→l2→…→li，四元组l包括经度、纬度、时间戳、载客状态；在剔除轨迹数据中的冗余采样点后，获取隐藏在轨迹数据中实际发生载客事件的位置点。

3.根据权利要求1或2所述的一种基于司机经验的寻客区域推荐方法，其特征在于所述的车辆轨迹数据预处理包括如下步骤：

1-1利用Douglas-Peucker算法过滤掉车辆轨迹数据中冗余采样点数据记录：对由一系列点组成的车辆轨迹数据中的冗余采样点进行处理，具体将一段轨迹的首末点连接成一条直线,求这段轨迹所有点与这条直线的垂直距离,并找出最大垂直距离值dmax,用dmax与预定义的限差D相比:若dmax

对划分后的两部分重复使用步骤1-1的处理方式，直至过滤所有冗余采样点数据；

1-2检测隐藏在轨迹数据中实际发生载客事件的位置点：

所述的位置点的判断如下：根据相邻几个四元组li-lj(i＜j)组成的轨迹片段,如果它们的经度、维度、时间戳值相等，并且载客状态发生了变化，那么这就是一个可能的载客停留位置点；

1-2-1根据出租车轨迹数据集中载客行为的状态切换和状态切换时车辆的轨迹变化，提取出所有可能存在载客行为的位置点称为载客点；

1-2-2如果停留的位置点所对应的轨迹片段内不存在从空车状态到载客状态的转换，则认为该位置点不是一个载客点，将其忽略；而如果一个停留位置点存在从空车状态到载客状态的转换，那么就是一个发生载客事件的位置点，认为该位置点是一个载客点。

4.根据权利要求3所述的一种基于司机经验的寻客区域推荐方法，其特征在于所述的步骤2具体实现步骤如下：

2-1载客点聚类：

步骤1得到的载客点集合P包含了所有的载客点(p1,p2,p3…pn),载客点的聚类采用密度聚类方法，输出载客点的聚类结果簇的集合C，集合C包含了载客点集合P中的所有簇ci，所述的载客点簇就是一个寻客区域；聚类中包含两个参数：扫描半径和最小包含载客点数；

2-2寻客区域网络索引构建：

结合实际的城市道路网络结构，使用参数化的R树对所有寻客区域建立索引；

参数化的R树中每个非叶子节点都由一个最小包含矩形框MBR、本节点MBR所覆盖范围内包含的寻客区域数量及指向子节点的指针组成；非叶子节点的MBR覆盖所包含其子孙节点的MBR；叶子节点主要包含寻客区域的位置信息。

5.根据权利要求4所述的一种基于司机经验的寻客区域推荐方法，其特征在于所述的步骤2-1具体实现如下：

2-1-1检测载客点集合P中尚未处理的载客点pi，如果载客点pi未被处理，则检查该载客点pi扫描半径内的区域，若包含的载客点数大于等于minPts，建立新簇ci，将扫描半径区域中所有载客点加入候选载客点集N；若载客点数对象数小于minPts，则该点被标记作为噪声点；

2-1-2对候选载客点集N中所有尚未被处理的载客点q，检查其扫描半径内的区域，若至少包含minPts个载客点，则将这些载客点加入候选载客点集N；如果载客点q未归入任何一个簇，则将载客点q加入簇ci；

2-1-3重复步骤2-1-2，继续检查候选载客点集N中未处理的载客点对象，直至候选载客点集N为空；

2-1-4重复步骤2-1-1至2-1-3，直到所有载客点都归入了某个簇或标记为噪声。

6.根据权利要求4或5所述的一种基于司机经验的寻客区域推荐方法，其特征在于所述的步骤3中具体实现步骤如下：

3-1根据司机的用户ID分别提取出司机的个人历史寻客轨迹数据集U；

3-2结合寻客区域分布图，并根据司机个人历史寻客轨迹中所覆盖的各个载客点，依次统计出司机对各个寻客区域的访问次数；

假设司机总数为m，寻客区域总数为n，最后得到包含所有司机对各个寻客区域访问情况的一个司机寻客频率矩阵M，其中矢量ui＝[vi1,vi1,vi1,…,vin]包含司机i对n个寻客区域的访问情况；当司机i在过去一个月内对某个寻客区域j访问次数超过3次以上，vij取值为1，否则取值为0；对寻客区域设置一段时间内的最小访问次数是为了过滤某个司机对这个寻客区域的偶然访问；

7.根据权利要求6所述的一种基于司机经验的寻客区域推荐方法，其特征在于所述的步骤4中所述寻客区域的寻客价值计算包括如下步骤：

4-1使用H(h1,h2,h3,…,hm)表示司机寻客经验得分集合，使用A(a1,a2,a3,…,an)表示寻客区域的寻客价值得分集合；司机寻客经验值指一个司机对寻客区域的了解程度；寻客区域的寻客价值指此处获得客人的机率；

4-2司机寻客经验与寻客区域价值的计算：

4-2-1初始化H和A中所有分量为1；

4-2-2迭代计算H和A；

设置司机i的寻客经验 然后进行规范化处理

设置 然后进行规范化处理

不断地迭代计算，直至同一个司机两次相邻计算结果hi差值小于设定的阈值ε时，则算法收敛终止；对aj的处理相同，迭代计算直至相邻两次计算结果aj差值小于设定的阈值ε，则算法收敛终止；

4-3最后输出寻客区域的寻客价值得分集合A与各司机寻客经验值得分集合H。

8.根据权利要求7所述的一种基于司机经验的寻客区域推荐方法，其特征在于所述的步骤5中所述寻客区域推荐包括如下步骤：根据司机所在位置L，通过搜索PR-tree索引，获指定半径范围内寻客价值排名前k个寻客区域，并根据当前位置与这k个寻客区域的排序距离排序，按其排序将寻客区域位置信息推荐给司机；

寻客区域与当前位置距离是指寻客区域与当前位置的路网距离，计算方法使用Dijkstra最短路径算法。