-
题名面向GPS数据的出租车载客路线层次化推荐模型
- 1
-
-
作者
张德城
刘毅志
赵肄江
廖祝华
-
机构
湖南科技大学计算机科学与工程学院
湖南科技大学服务计算与软件服务新技术湖南省重点实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第12期163-173,共11页
-
基金
国家自然科学基金面上项目(41871320)
湖南省重点研发计划项目(2023sk2081)
湖南省教育厅科学研究重点项目(22A0341)。
-
文摘
出租车载客推荐能够有效提高司机利润,对于提升交通效率、改善城市出行体验以及推动智能交通的发展都具有重要意义。现有方法一般直接向司机进行载客区域或载客路线推荐,没有考虑将这两者进行结合,不仅面临数据稀疏性问题,而且难以兼顾推荐准确性与实时性能。为此,提出一种面向GPS数据的出租车载客路线层次化推荐模型,其中采用了抗稀疏性的极深因子分解机(xDeepFM)、深度Q网络(DQN)强化学习算法以及层次化推荐策略。首先,离线推荐高载客概率的大网格,以减少在线计算量;然后,当出租车司机提出实时载客推荐需求时,在离线推荐的大网格内进一步推荐高载客概率的小网格;最后,给司机规划一条到小网格的载客路线。在滴滴公司数据集上进行实验,结果表明,与现有的一些先进方法相比,该方法可以使空载出租车司机的巡航时间至少减少36%,巡航距离至少减少26%,并且推荐时间仅需85 ms。
-
关键词
载客路线推荐
载客区域推荐
层次化推荐
极深因子分解机
深度Q网络
-
Keywords
pick-up route recommendation
pick-up area recommendation
hierarchical recommendation
extreme Deep Factorization Machine(xDeepFM)
Deep Q Network(DQN)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于稀疏轨迹数据的出租车载客区域推荐
被引量：3
- 2
-
-
作者
廖祝华
张健
刘毅志
肖浩
赵肄江
刘建勋
-
机构
湖南科技大学计算机科学与工程学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2020年第11期2178-2185,共8页
-
基金
国家科学自然基金(No.61370227,No.41871320)
湖南省自然科学基金(No.2017JJ2081,No.2018JJ4052)
+1 种基金
湖南省教育厅重点项目(No.17A070)
湖南省教育厅一般项目(No.19C0755)。
-
文摘
基于短期出租车轨迹数据的载客区域推荐能极大减少系统开销,提高推荐效率,但常伴随着数据稀疏性的问题.针对该问题,本文提出了一种融合地理信息的隐语义模型-GeoLFM.该模型通过将出租车司机所处的客观地理环境信息,融合到司机-载客区域矩阵分解的过程中,从而弥补数据稀疏性带来的不足.同时,根据出租车实时的空间位置信息,为身处不同地点的出租车推荐不同的载客区域.实验证明,本文提出的方法与常用方法相比,推荐结果与真实的出租车司机载客情况间的平均绝对误差和均方根误差都得到大幅降低,较好的提升了推荐效果.
-
关键词
轨迹挖掘
载客推荐
数据稀疏性
隐语义模型
地理信息
-
Keywords
trajectories mining
pick-up recommendation
data sparsity
latent factor model
geographic information
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于分时MDP的出租车载客预测推荐技术研究
被引量：3
- 3
-
-
作者
王桐
高山
龚慧雯
孙博
-
机构
哈尔滨工程大学信息与通信工程学院
哈尔滨工程大学先进船舶通信与信息技术重点实验室
-
出处
《通信学报》
EI
CSCD
北大核心
2021年第2期37-51,共15页
-
基金
国家自然科学基金资助项目(No.61102105,No.51779050)
国家重点研发计划基金资助项目(No.2016YFB0700100)
+1 种基金
哈尔滨市青年后备人才基金资助项目(No.2017RAQXJ036)
中央高校基本科研业务费资金资助项目(No.HEUCFG201831,No.3072020CF0815)。
-
文摘
针对出租车盲目寻客导致空载率高的问题,提出了一种出租车载客热点推荐策略,以最大程度优化匹配乘客过程,提高寻客效率。基于出租车历史轨迹数据,结合热点乘客信息的时间序列特性,提出基于循环神经网络的分段预测(SPBR)算法,以及基于分时马尔可夫决策过程(TMDP)的载客推荐模型。实验表明,SPBR算法预测结果的RMSE比SVR、CART和BPNN等算法分别降低了67.6%、71.1%和64.5%;TMDP模型出租车期望回报比历史期望提升了35.9%。
-
关键词
出租车空载率
分时马尔可夫决策过程
热点预测
分段预测方法
载客推荐模型
-
Keywords
taxi empty loading rate
time-varying Markov decision process
hotspot prediction
segment prediction method
passenger recommendation model
-
分类号
TN911.22
[电子电信—通信与信息系统]
-
