基于网约车GPS数据的用户出行挖掘与推荐研究

摘要：

针对当前网约车服务质量提升需求,本文研究的重点是如何更好的发挥网约车在城市交通的作用和效果.对此,本文以陕西西安某网约车公司的GPS数据作为研究基础,采用K均值聚类的方法完成对居民用户出行的时空特征分析,然后采用等待时间推荐模型完成对某区域内空网约车的推荐.最后,通过试验对上述的方案进行验证,结果表明在研究区域内,西安市民工作日出行的密度明显高于非工作日的出行密度,同时通过本文构建的乘客推荐算法,乘客平均等待的时间要明显低于传统的推荐算法.由此说明通过时空挖掘可很好的统计居民出行规律,同时通过推荐算法可大大减少用户等待时间,为市民出行提供方便.

关键词：网约车、GPS数据、K均值聚类、时空特征、推荐模型

所属期刊栏目：34

分类号：TP311(计算技术、计算机技术)

在线出版日期：2019-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：83-86