賈步忠

(陜西財經(jīng)職業(yè)技術學院 會計二系， 咸陽 712000)

0 引言

在智能化和信息化背景下，智能交通城市當前我國城市發(fā)展的一個亮點，也是未來城市發(fā)展的趨勢。作為智能交通發(fā)展代表的滴滴、神州等網(wǎng)約車軟件，在運行的過程中積累了大量的車輛運行軌跡數(shù)據(jù)[1]。在這些軌跡數(shù)據(jù)中，記錄了大量的城市交通和人群移動的信息，為我國城市交通的進一步優(yōu)化提供了大量的信息。由此，如何加強對這些數(shù)據(jù)對挖掘應用，特別是結(jié)合部分專職滴滴、神州司機的GPS數(shù)據(jù)，對居民出行特征進行挖掘，對政府和部分網(wǎng)約車企業(yè)進一步投放網(wǎng)約車廣告，提升網(wǎng)約車服務等，具有非常重要的作用和價值。同時在利用GPS數(shù)據(jù)對用戶出行進行分析的研究中，很多學者都進行了研究，并取得豐碩的成果。如景維鵬(2016)則結(jié)合出租車的GPS運行軌跡，提出一種基于地圖匹配算法模型，以GPS采集的坐標作為基礎，在一定區(qū)域內(nèi)采用空載概率推薦的方法完成對居民用戶出行的出租車推薦[2]；王瑤(2018)為進一步挖掘居民出行的軌跡，提出一種基于高斯定律的出行軌跡挖掘方法，該研究的最大特點在于對GPS數(shù)據(jù)區(qū)域進行劃分，然后以每個單元作為統(tǒng)計點，對載客的終點和起點進行統(tǒng)計，最后根據(jù)公式計算在一定時間內(nèi)的乘客凈流入量。但是這種方法通常計算量大；林基艷則提出將聚類分析算法引入到對用戶出行特征軌跡分析中，從而提取市民出行的時空特征[3,4]； Jing Yuan(2013)、Yu Zheng(2011)等則利用GPS軌跡對用戶的出行進行挖掘，從而得到出租車主要運行特征。本文則在以往研究的基礎上，結(jié)合居民出行具有典型的時空特性的特點，以陜西某城市的網(wǎng)約車GPS數(shù)據(jù)作為基礎來源，提出一種基于密度聚類的城市用戶出行分析方法，并在該基礎上，提出一種基于BP網(wǎng)絡的乘客推薦模型[5]。

1 數(shù)據(jù)來源

本文使用的網(wǎng)約車數(shù)據(jù)，主要以西安市某網(wǎng)約車公司平臺下注冊的1.1萬輛車輛在1個月內(nèi)的運營數(shù)據(jù)作為基礎，在對以上的GPS數(shù)據(jù)經(jīng)過預處理后，保留車牌號、當前位置、營運狀態(tài)、行駛速度、行駛方向和運營時刻等基本屬性[6]。部分網(wǎng)約車屬性如表1所示。

表1 部分網(wǎng)約車基礎數(shù)據(jù)統(tǒng)計表

在上述的數(shù)據(jù)中，網(wǎng)約車的營運狀態(tài)用0～3來表示，其中1表示車輛為空載狀態(tài)、1表示車輛為載客狀態(tài)、2表示車輛為駐車狀態(tài)，3表示網(wǎng)約車司機下線停運。GPS方向取值為0～360°。

2 數(shù)據(jù)處理

2.1 數(shù)據(jù)預處理

在對網(wǎng)約車的GPS數(shù)據(jù)挖掘中，可能存在兩個比較突出的問題，一是軌跡點存在異常；二是軌跡點的經(jīng)緯度越界[7]。為解決以上的問題，在對經(jīng)緯度越界問題的處理中，首先劃分重點研究區(qū)域，清楚研究范圍以外的區(qū)域，以減少可能出現(xiàn)的越界問題。在本研究中，則以西安市三環(huán)以內(nèi)作為研究區(qū)域，清除掉三環(huán)以外的所有坐標。其次，針對軌跡點可能出現(xiàn)的異常，如某網(wǎng)約車原本在西安的A處，5分鐘出現(xiàn)在西安B處，且距離相差10 km,這對于城市交通來講，這種數(shù)據(jù)明顯存在異常的問題[8-9]。因此，在對數(shù)據(jù)的篩選中，剔除這類GPS坐標異常的數(shù)據(jù)。在具體的執(zhí)行過程中，則采用Douglas - Peucker算法對曲線中密度節(jié)點較高的進行剔除。

3 基于時間序列的居民出行時空特征挖掘模型構(gòu)建

3.1 相似度衡量方法

在對數(shù)據(jù)進行挖掘之前，必須要對選擇的路段進行區(qū)域劃分，以提高聚類挖掘的準確率。但是，在實際的聚類挖掘中，大部分的GPS數(shù)據(jù)為靜態(tài)數(shù)據(jù)，而就業(yè)時間序列的數(shù)據(jù)為動態(tài)數(shù)據(jù)。對此，本文首先結(jié)合程靜的研究成果，采用時間序列距離度量和相關性結(jié)合的方式將數(shù)據(jù)進行轉(zhuǎn)換[10]。由此，分別定義相關性函數(shù)和距離度量計算式(1)，(2)。

(1)

(2)

由此通過以上的分類，我們可以把西安的某區(qū)域劃分的區(qū)域，如圖1所示。

圖1 區(qū)域劃分

3.2 K均值聚類算法

為進一步挖掘陜西西安居民在不同時間段、不同地點等方面的上車信息，從而更好的為網(wǎng)約車的分配等提供借鑒，在本文中，則采用K均值聚類的方法對居民出行進行挖掘[11]。K均值聚類的原理是隨機一個簇作為中心，然后通過距離公式公式對類進行劃分，如圖2所示。

圖2 K均值聚類

在圖2中可以看出，K均值聚類最為關鍵的是兩個部分：一是對K值的確定，即對初始聚類的劃分；二是對距離的計算[12]。在本文的研究中，則以周末周日和上車量、下車量作為基本的分類，設定K=4。

4 乘客模型構(gòu)建

結(jié)合上述的居民出行時空特征，為更好的為市民提供網(wǎng)約車服務，在本文中，則提出一種基于空車概率推薦算法，以滿足在早高峰或者是晚高峰用戶出行的需求。而在進行推薦前，引入地圖匹配算法完成對推薦的基礎構(gòu)建。

4.1 地圖匹配模型

結(jié)合網(wǎng)約車實際的GPS位置來講，其定位的精度往往會受到手機GPS信號的影響，導致部分西安網(wǎng)約車主的GPS數(shù)據(jù)存在誤差[13]。由此，我們就需要對這部分數(shù)據(jù)進行進一步的處理，以減少誤差帶來的干擾。而在實際的對這部分數(shù)據(jù)的處理中，通常采用地圖匹配的方法進行。但是在傳統(tǒng)的地圖匹配算法中，通常會在預約數(shù)量較多的地方為用戶增加候選路段，目的是讓出行的用戶能在目標路段選擇網(wǎng)約車，如圖3所示。

圖3 地圖匹配示意圖

假設用戶的目標路段為GJ，可通過候選域PQRS中的候選路段對其進行定義。若是采用固定候選域ABCD對目標路段GJ進行定義，則還需對其他候選路段進行驗證，比如EN路段、IK路段等，如此一來，將會花費大量的時間在驗證工作中，造成一種不必要的資源浪費。如果在數(shù)據(jù)稀疏區(qū)中，固定候選域內(nèi)并不存在路段，那么該算法匹配不成功。

基于上述的問題，為了提高該算法的匹配成功率，對以上匹配方法進行改進[14]。利用用車輛運行速度方向以及候選路段的夾角對該結(jié)果進行重新驗證，也就是說，當車與候選路段的夾角a>ω時，則說明當前候選路段失去利用價值。

在匹配過程中，將人在地圖上的位置看作一個靜態(tài)點；將車的位置看作動態(tài)點。其中，靜態(tài)點可存在于地圖中的任何位置，包括地圖路段之外；動態(tài)點智能出現(xiàn)于地圖中的路段之上。因此，若是出現(xiàn)人與預選路段的夾角為鈍角時，此時，可將人與該路段之間的直線距離當作判斷依據(jù)；若是出現(xiàn)車與預選路段夾角為鈍角的情況時，則放棄該預選路段[15]。具體匹配過程，如圖4所示。

在圖4中，AB代表預選路段；M代表目標點；a代表待匹配點；β代表預選路段夾角；d代表a至AB的最短直線距離；b代表M至AB的歐式距離。

4.2 乘客推薦模型構(gòu)建

在乘客的推薦中，乘客等待主要根據(jù)等待的時間，或者是網(wǎng)約車的距離。在本文中，當前網(wǎng)約車車主在開啟網(wǎng)約車APP后，在空載的情況下，以乘客等待的時間作為推薦的根本依據(jù)。具體則是每3分鐘統(tǒng)計一次在某個區(qū)域內(nèi)的空車數(shù)量，然后采用最小二乘法對時間和在該區(qū)域內(nèi)的空車數(shù)進行擬合，進而得到關系曲線f(t)，最后計算乘客到達目標路段的時刻開始，至到達率函數(shù)的積分大于等于 1 的時間差即為預測到達第一輛空車的時間[16]。而預測的到達的時間一般是小于等于5min，可以為網(wǎng)約車的用戶所接受，為式(3)。

f(t)=a0+a1t+a2t2+a3t3+a4t4,0

(3)

5 試驗驗證

為驗證上述方案的可行性，以西安市的路網(wǎng)數(shù)據(jù)作為基礎，整個路段超過10萬條，路網(wǎng)節(jié)點有100多萬。軌跡數(shù)據(jù)由某網(wǎng)約車下注冊的網(wǎng)約車司機在180天內(nèi)，由1.1萬輛網(wǎng)約車產(chǎn)生的2億條信息記錄，轉(zhuǎn)換為數(shù)據(jù)的話，大概在30G左右。同時本文輸入挖掘的歷史GPS軌跡參數(shù)，輸入聚類分析的K值，以及區(qū)域分析的半徑，從而可以得到的聚類分析結(jié)果，如圖4、圖5所示。

圖5 工作日聚類結(jié)果

通過上述的結(jié)果可得到一個非常明顯的特征，那就是在工作日和非工作日中，陜西西安部分居民的出行特點：在工作日下，熱點區(qū)域出行預約網(wǎng)約車的用戶較多，并且出行密度高[17]；而非工作日出行用戶少，且相對分散。

同時選擇西安某地的GPS坐標，運用上述的模型呼叫網(wǎng)約車，在經(jīng)過多次和多時刻抽樣測試后，可得到的用戶等待結(jié)果，如圖6所示。

圖7 用戶等待時間

通過圖6的結(jié)果對比看出，預測時間和用戶實際的等待時間相差不大，說明本文構(gòu)建的網(wǎng)約車乘客推薦模型預測的推薦時間與實際的時間比較接近，在乘客推薦方面具有很大的可行性。

6 總結(jié)

通過以上的分析可以看出，本文通過分析，挖掘出居民在不同時刻的出行特征，在工作日的網(wǎng)約車出行要求明顯高于非工作日，同時通過本文構(gòu)建的用戶推薦模型，客戶等待的時間與預測的時間非常接近。進而驗證了本模型構(gòu)建的可行性。