1.基于出租车轨迹数据的寻客方法,其特征在于,包括如下步骤:获取研究区域内出租车的GPS历史数据,形成出租车GPS原始数据集,出租车GPS原始数据集中的每条GPS轨迹点数据包括车牌号、经纬度、运营状态、时间,运营状态用0表示空载,用1表示载客;
对出租车GPS原始数据集进行预处理,获得出租车有效数据集;
对研究区域进行网格化处理,将网格化处理后每个单元格定义为一个子区域;
基于出租车有效数据集,通过区域内客户搜索或跨区域客户搜索,确定寻客子区域;
从出租车有效数据集中提取寻客子区域内出租车的GPS历史数据,基于寻客子区域内出租车的GPS历史数据,在确定的寻客子区域内进行上客热点挖掘;
提取出租车所在位置与寻客子区域内所有上客热点间的载客路径形成候选路径集,并基于效用函数在候选路径集中选择效用最大的候选路径为最佳寻客路径。
2.根据权利要求1所述的基于出租车轨迹数据的寻客方法,其特征在于,所述对出租车GPS原始数据集进行预处理,包括删除重复值、缺失值和异常值,并进行坐标转换和地图匹配。
3.根据权利要求1所述的基于出租车轨迹数据的寻客方法,其特征在于,基于寻客成功概率进行区域内客户搜索,寻客成功概率按照下式计算:其中,Sk表示空载出租车在单元格k内成功载客的概率也即寻客成功概率;Ocount表示在当前单元格k内成功载客的出租车总数,在当前单元格k内成功载客的出租车即为出租车有效数据集中在当前单元格k内运营状态存在由0变为1的出租车;Nall表示在当前单元格k内的空驶出租车总数,在当前单元格k内的空驶出租车即为出租车有效数据集中在当前单元格k内运营状态不存在由0变为1的出租车;
出租车司机依据当前所在单元格k的寻客成功概率Sk,选择是否进行区域内客户搜索,如确定进行区域内客户搜索,则当前所在单元格k即为寻客子区域。
4.根据权利要求1所述的基于出租车轨迹数据的寻客方法,其特征在于,所述跨区域客户搜索时,基于累计寻客成功概率确定寻客子区域,累计寻客成功概率按照下式计算:P=max(Pcs); (3)其中,Pcs为空载出租车在当前所在单元格k成功载客的概率Sk与在后续途经单元格中成功载客的概率之和也即累计寻客成功概率,m表示目标单元格,M表示目标单元格的集合,目标单元格集合M即司机做出决策步长L后所有可进行客户搜索的单元格集合,跨区域客户L‑1
搜索时,决策步长L从1开始逐步增大;P (m|k)表示司机在当前网格k选择网格m的条件概率, 表示司机在目标单元格m内成功载客的概率;P表示最大累计寻客成功概率;
决策步长L=1时,目标单元格的集合M包含位于当前所在单元格k的上下左右四个方向的单元格,当前目标单元格的集合M中累计寻客成功概率最大的目标单元格即为确定的寻客子区域;决策步长L>1时,目标单元格的集合M包含位于决策步长为L‑1时确定的寻客子区域的上左右三个方向的单元格,当前目标单元格的集合M中累计寻客成功概率最大的目标单元格即为确定的寻客子区域。
5.根据权利要求1所述的基于出租车轨迹数据的寻客方法,其特征在于,所述基于寻客子区域内出租车的GPS历史数据,在确定的寻客子区域内进行上客热点挖掘的具体实现过程如下:
步骤1、基于寻客子区域内出租车的GPS历史数据中每条GPS轨迹点数据的运营状态变化,进行上客点识别,得到出租车上客数据集;
步骤2、基于出租车上客数据集,采用DBSCAN空间聚类法进行出租车上客热点区域挖掘,得到上客热点聚类簇。
6.根据权利要求5所述的基于出租车轨迹数据的寻客方法,其特征在于,所述步骤1的具体实现过程如下:
首先,从寻客子区域内出租车的GPS历史数据中分别提取出车牌号相同的GPS轨迹点数据,并按照时间对车牌号相同的GPS轨迹点数据按时间进行升序处理,得到按时间排列的车牌号相同的GPS轨迹点数据集;
然后,对按时间排列的车牌号相同的GPS轨迹点数据集中两相邻时刻ti、ti+1轨迹点的运营状态值进行差值计算,计算结果用Δ表示,即:Δ=CAR_STATt+1‑CAR_STATt; (5)其中,CAR_STATt+1为t+1时刻轨迹点的运营状态值,CAR_STATt为t时刻轨迹点的运营状态值;
若Δ为1即表示车辆的运营状态由空载变为载客,则该两相邻时刻ti、ti+1轨迹点对应的纬度和经度表示的点为上客点。
7.根据权利要求5所述的基于出租车轨迹数据的寻客方法,其特征在于,所述步骤2的具体实现过程如下:
基于K‑距离法,确定聚类邻域半径Eps的取值,具体步骤如下:(1)对于含有n个上客点的出租车上客数据集,选取任意上客点pi(x,y),x为该点的纬度,y表示该点的经度,计算该点pi(x,y)与出租车上客数据集内其他上客点的欧氏距离;
(2)对计算的任意上客点pi(x,y)与出租车上客数据集内其他上客点的欧氏距离进行升序排列,得到排序后的距离集合 则 为上客点pi(x,y)的K‑距离,得到所有上客点的K‑距离集合E为:(3)对得到的所有上客点的K‑距离集合E进行升序排序,得到K‑距离集合E’,拟合K‑距离集合E’中K‑距离的变化曲线,得到K‑距离曲线,将K‑距离曲线中拐点位置对应的距离确定为出租车上客数据集的聚类邻域半径Eps;
基于确定的聚类邻域半径Eps,通过对聚类邻域半径Eps以及最小密度阈值MinPts进行联合调参,观察不同聚类邻域半径Eps和最小密度阈值MinPts参数组合下的聚类结果,将聚类所得上客热点聚类簇的数量稳定时对应的最小密度阈值MinPts作为出租车上客数据集的最小密度阈值MinPts;
基于确定的出租车上客数据集的聚类邻域半径Eps以及最小密度阈值MinPts,采用基于DBSCAN空间聚类法,对出租车上客数据集内的上客点进行聚类,得到上客热点聚类簇,所有上客热点聚类簇对应的区域即为寻客子区域内的所有上客热点。
8.根据权利要求1~7任一项所述的基于出租车轨迹数据的寻客方法,其特征在于,所述基于效用函数在候选路径集中选择效用最大的候选路径为最佳寻客路径的具体实现过程如下:
首先,采用下述效用函数计算候选路径集中每条路径的效用:Uj=β1Tj+β2Dj+β3Cj+β4Rj+β5ln(PSj)+εj; (10)其中,Uj表示候选路径集中的路径j的效用,Tj为出租车通过路径j的时间,Dj为路径j对应的路径行程距离,Cj为路径j的交通拥堵指数,Rj为路径j上乘客的产生概率,PSj表示路径j的路径长度修正项;β1、β2、β3、β4、β5均为影响因素参数,利用极大似然函数求解;εj表示路径j的效用函数的随机项;
然后,按照下式计算在候选路径集中选择路径j的概率:路径j的路径长度PSj的计算方法如下:其中,Vj表示候选路径集中路径j的固定效用项,Pj表示在候选路径集中选择路径j的概率,Cn表示候选路径集;li表示路径j上的路段i的长度,τ表示路径j中所有路段的集合,δij为0‑1之间的变量,若路段i在路径j上则该值为1,否则为0;如果路径j不与路径集合Cn内的任意一条路径相重合,则PSj的值等于1;
最后,将候选路径集Cn中效用最大的路径即Pj最大的路径作为空载出租车选择的最佳寻客路径。
9.根据权利要求8所述的基于出租车轨迹数据的寻客方法,其特征在于,所述出租车通过路径j的时间Tj通过下述公式确定:其中,Nsec表示组成路径j的路段数量,Ntaxi表示在研究时段内经过路段i的所有出租车总数, 表示在研究时段内经过路段i的所有出租车瞬时速度的平均值,vn表示在研究时段内第n辆出租车经过路段i的瞬时速度;
所述路径j对应的路径行程距离Dj即为路径j的长度。
10.根据权利要求8所述的基于出租车轨迹数据的寻客方法,其特征在于,所述路径j的交通拥堵指数Cj通过下式计算得到:其中,Wi为路径j上的路段i的交通流量,即每小时内经过路径j上的路段i的车辆数;
vfree_n为第n辆出租车在路段i的自由流速度;vn为第n辆出租车在路段i的实际速度;ttrue为第n辆出租车在路段i的实际旅行时间,tfree为第n辆出租车在路段i的自由流状态下的旅行时间;
所述路径j上乘客的产生概率Rj通过下式计算得到:其中,noccupied表示在路径j的某一路段成功载客的出租车总数,nall表示经过路径j的该路段的空载出租车总数。