康科

摘要：出租車(chē)的供需矛盾影響著整個(gè)城市的交通。通過(guò)挖掘出租車(chē)GPS軌跡中的信息，可以預(yù)測(cè)乘客的目的地位置，提高出租車(chē)調(diào)度中心的效率，幫助緩解城市的壓力，減少城市污染。同時(shí)預(yù)測(cè)乘客的目的地還可以用于商業(yè)廣告推廣，提高導(dǎo)航效率等。本文主要介紹出租車(chē)乘客目的地預(yù)測(cè)的原理和方法。

關(guān)鍵詞：出租車(chē)；GPS軌跡分析；目的地預(yù)測(cè)；乘客

0前言

出租車(chē)公司為每輛出租車(chē)都安裝了GPS儀器，方便出租車(chē)公司的監(jiān)控和調(diào)動(dòng)，同時(shí)能夠保證出租車(chē)司機(jī)的安全。當(dāng)前，城市的交通壓力空前巨大，交通擁堵和空氣污染問(wèn)題嚴(yán)重。出租車(chē)是緩解城市壓力的一種重要的交通工具。但是，由于出租車(chē)的數(shù)量有限，在交通高峰期很多乘客很難找到一輛出租車(chē)。而出租車(chē)在某些時(shí)段需要形勢(shì)很長(zhǎng)的距離才能找到乘客。因此，出租車(chē)調(diào)度中心需要提高調(diào)度效率，保證出租車(chē)的使用率，是一個(gè)亟待解決的問(wèn)題。但是，由于出租車(chē)的流動(dòng)性較強(qiáng)，在不知道乘客目的地的情況下很難對(duì)其進(jìn)行調(diào)度。在出租車(chē)GPS軌跡信息中，蘊(yùn)含了大量的乘客信息。從這些信息中，可以挖掘出乘客的流動(dòng)模式，以及城市中不同乘客的乘車(chē)習(xí)慣。使用這些信息，可以幫助我們預(yù)測(cè)出租車(chē)的目的地，緩解城市的交通壓力。

1出租車(chē)GPS數(shù)據(jù)分析

為了保證數(shù)據(jù)能夠真實(shí)的反應(yīng)城市的交通規(guī)律以及乘客的乘車(chē)習(xí)慣，本文中使用了葡萄牙波爾圖市的出租車(chē)數(shù)據(jù)。在該數(shù)據(jù)中包含了442輛出租車(chē)的GPS數(shù)據(jù)。數(shù)據(jù)包含了9個(gè)特征，包括：每條軌跡的唯一編號(hào)，乘客是否使用電話呼叫出租車(chē)的方式，乘客的電話，上車(chē)的出租車(chē)站臺(tái)，出租車(chē)的編號(hào)，時(shí)間，是否為節(jié)假日，數(shù)據(jù)是否完整，出租車(chē)GPS軌跡點(diǎn)。數(shù)據(jù)的跨度從2013年的7月到2014年6月。出租車(chē)的軌跡數(shù)據(jù)幾乎遍布城市路網(wǎng)的各個(gè)角落。越往城市市中心，出租車(chē)的軌跡就越密集，乘客的搭載活動(dòng)越多。在城市中間河流的北岸乘客活動(dòng)最密集。

2乘客目的地聚類(lèi)方法

由于乘客目的地遍布城市的各個(gè)角落，增加了城市目的地預(yù)測(cè)的難度。為了方便預(yù)測(cè)，在建立預(yù)測(cè)模型之前，將乘客的目的地進(jìn)行聚類(lèi)，方便可以降低預(yù)測(cè)模型的復(fù)雜性，提高預(yù)測(cè)效率。在常用的聚類(lèi)方法當(dāng)中使用DBSCAN方法和mean-shift聚類(lèi)方法最多。本文中采用了mean-shift聚類(lèi)方法。在聚類(lèi)之前，本文選擇了出租車(chē)的軌跡的最后一個(gè)點(diǎn)作為乘客的下車(chē)地點(diǎn)，然后使用聚類(lèi)算法對(duì)其聚類(lèi)。聚類(lèi)結(jié)果為3356個(gè)點(diǎn)，這些點(diǎn)幾乎涵蓋了城市的所有角落。圖1為對(duì)GPS軌跡中所有點(diǎn)的可視化。可以看出幾乎在每個(gè)地點(diǎn)都有乘客下車(chē)。同時(shí)可以看出和全部的數(shù)據(jù)可視化一樣，在市中心的下車(chē)遠(yuǎn)遠(yuǎn)高于其它地區(qū)。

3乘客目的地預(yù)測(cè)常用方法及應(yīng)用

在出租車(chē)預(yù)測(cè)的常用算法中，最常見(jiàn)的有兩類(lèi)算法：基于概率論的目的地預(yù)測(cè)和基于神經(jīng)網(wǎng)絡(luò)的目的地預(yù)測(cè)。其中基于概率論的算法計(jì)算GPS軌跡數(shù)據(jù)中的先驗(yàn)概率，通過(guò)計(jì)算不同位置之間的轉(zhuǎn)換概率，獲得最大概率的目的地作為乘客目的地。其優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，算法復(fù)雜度低，同時(shí)能夠充分利用數(shù)據(jù)中的信息。但是對(duì)數(shù)據(jù)的噪聲并不能很好的處理。要求數(shù)據(jù)量足夠大。由于GPS軌跡自身具有稀疏性，在城市兩個(gè)不同地點(diǎn)之間很難具有足夠的GPS數(shù)據(jù)，所以此類(lèi)模型很難提供高精度的運(yùn)算。

深度神經(jīng)網(wǎng)絡(luò)技術(shù)是當(dāng)前最流行的算法之一。該算法在圖像識(shí)別、語(yǔ)音識(shí)別等領(lǐng)域獲得了巨大成功?；谏窠?jīng)網(wǎng)絡(luò)的模型使用該算法，將原始的GPS軌跡數(shù)據(jù)進(jìn)行特征提取以后使用該模型進(jìn)行預(yù)測(cè)。在當(dāng)前的算法當(dāng)中，該模型在出租車(chē)目的地預(yù)測(cè)當(dāng)中保持了最高的準(zhǔn)確度。

基于出租車(chē)GPS目的地的預(yù)測(cè)有很多應(yīng)用，其中如上文提到的是最重要的應(yīng)用之一。除此之外還有很多其它應(yīng)用。例如，每年商業(yè)公司都要花費(fèi)巨額資金投入到廣告行業(yè)進(jìn)行商業(yè)推廣。但是，精準(zhǔn)的廣告投放需要具有豐富的工作經(jīng)驗(yàn)。如果能夠分析出租車(chē)的目的地，分析目的地乘客的類(lèi)型和消費(fèi)習(xí)慣，就可以對(duì)乘客進(jìn)行更加的精準(zhǔn)的分析。這樣對(duì)其進(jìn)行商業(yè)廣告的推廣就更加有效。此外，目的地預(yù)測(cè)還可以提高導(dǎo)航系統(tǒng)的功能，自動(dòng)駕駛等方面有廣闊的前景。

4結(jié)語(yǔ)

出租車(chē)是緩解城市交通壓力的重要手段之一，只有充分利用才能最好的緩解乘客與出租車(chē)之間的供需矛盾。同時(shí)，能夠提高出租車(chē)司機(jī)的收入，也可以減少城市污染。通過(guò)分析出租車(chē)GPS軌跡信息中的乘客規(guī)律，可以幫助調(diào)度中心更好的預(yù)測(cè)出租車(chē)的形勢(shì)方向和區(qū)域。這樣就可以進(jìn)一步提高出租車(chē)調(diào)度中心的調(diào)度效率。幫助出租車(chē)更快的響應(yīng)需要乘車(chē)的乘客。