基于大规模出租车轨迹的乘客移动行为的预测及其应用-计算机应用技术专业论文.docxVIP

浙江人学倾Jj学位论文 浙江人学倾Jj学位论文 摘要 摘要 本文研究城市交通系统中出租车乘客的活动规律。这篇文章主要通过分析城 市热点中出租车乘客的数量(pick-叩quantity，PUQ)来预测人们的活动。本文 提出了一种划分城市热点的基于分水岭思想的算法和基于ARIMA模型的改进的 预测方法来预测城市热点中乘客数量在时间和空间上的变化。对预测方法的评价 采用了一年中4000辆出租车真实的GPS轨迹。预测误差率可以达到5．8％。 另 外，提出了一种新的应用帮助出租车司机寻找下一个乘客。对这一应用的评价采 用了真实世界的出租车历史数据。结果显示，与现实中出租车司机寻找乘客的代 价相比，在本文提出的应用的指导下，出租车司机可以平均节约37．1％的时间以 及减少6．4％的寻找距离。 关键词：城市交通，GPS轨迹，热点，移动行为预测，差分自回归滑动平均(Integrated Auto-Regression Moving-Average，ARIMA) 浙江人学颂1：学位论义 浙江人学颂1：学位论义 Abstract Abstract This paper investigates passengers．mobility patterns in the taxi transportation system of Hangzhou．This work focuses on predicting human mobility from discovering patterns of in the number of passenger pick-ups(PUQ)from urban hotspots．After visually displaying the paRem of PUQ in hotspots，this paper proposes an improved ARIMA-based prediction method to forecast the spatial-temporal variation of passengers in a hotspot．Evaluation with a large—scale real—world data set of 4000 taxis’ GPS traces over one year shows a prediction error ofonly 5．8％．The application ofthe prediction approach is also explored to help drivers find their next passengers．The simulation results using historical real-world data demonstrate that，with this guidance， drivers Can reduce the time taken and distance travelled，to find their next passengers， by 37．1％and 6．4％，respectively． Keywords：urban traffic，GPS traces，hotspots，human mobility prediction， auto—regressive integrated moving average(iedMh) 浙江大学硕Ij学位论文 浙江大学硕Ij学位论文 图日录 图目录 图1．1杭州市区一天当中出租车上车数量的分布 2 图2．1一辆出租车一天中在杭州市区的轨迹 ．8 图2．2一条包含异常记录的出租车轨迹 ．．9 图2．3出租车一天中产生轨迹数量的分布 11 图2．4不同轨迹数量的出租车载客轨迹的持续时间 ．11 图2．5西湖附近的热点提取结果 ．． ．．13 图3．1杭州全城的PUQ(a)和SDQ(b)的均值和方差在一天中不同TS的变 化 17 图3．2从2009年4月1日到2010年4月20日杭州每天下客数的变化 ．18 图3．3 holidays I、holidays II与workdays的平均SDQ ．18 图3．4 holidays I、holidays II与workdays期间每天的平均SDQ ．．18 图3．5四个