CN103544834A - 一种基于gps轨迹的出租车寻客策略选优方法 - Google Patents
一种基于gps轨迹的出租车寻客策略选优方法 Download PDFInfo
- Publication number
- CN103544834A CN103544834A CN201310564651.9A CN201310564651A CN103544834A CN 103544834 A CN103544834 A CN 103544834A CN 201310564651 A CN201310564651 A CN 201310564651A CN 103544834 A CN103544834 A CN 103544834A
- Authority
- CN
- China
- Prior art keywords
- taxi
- visitor
- locality
- strategy
- guest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010187 selection method Methods 0.000 title abstract 4
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 15
- 230000029305 taxis Effects 0.000 claims description 10
- 238000012850 discrimination method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000003542 behavioural effect Effects 0.000 abstract 1
- 238000005094 computer simulation Methods 0.000 abstract 1
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Landscapes
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种基于GPS轨迹的出租车寻客策略选优方法,属于计算机建模技术领域。具体包括以下步骤:(1)数据预处理:针对数据过滤,并划分地理位置、划分时间段;(2)针对GPS轨迹的出租车司机进行行为建模,得到不同的出租车在不同的地点对于不同的策略的偏好程度;(3)利用策略偏好和收入的相关性来分析出租车司机寻客策略的优劣。本发明能够从原始的出租车的GPS记录中,抽象出出租车日常运营时采取的策略并辨析出这些策略的好与坏,从而有利于出租车下客后,能够得到提示,看是否是在本地找,还是本地某一个地方等车,还是直接离开这里去别的地方,增强了出租车司机判断能力和效益。
Description
技术领域
本发明涉及一种基于GPS轨迹的出租车寻客策略选优方法,属于计算机建模技术领域。
背景技术
目前,出租车中,出现了大量的GPS(Global Positioning System,全球定位系统)。这些出租车的GPS记录仪以每分钟数次的频率采样,记录了出租车的位置、速度、载客状态等信息。大量出租车的长期GPS记录反应了出租车运营过程中的大量信息,可以帮助我们有效地发现和审视出租车运营过程中的问题和经验。目前已经有一些成果来研究如何利用大量出租车的GPS轨迹来给出租车司机以运营的提示。
包括以下三类:(1)从GPS记录中分离出客人较多的区域。该方法是利用轨迹中客人的状态变化,分离出单次的载客点。然后将一段时间内大量出租车的载客点聚类,即可分离出那些客人较多的区域(即那些聚类的中心区域),并将这类区域提供给出租车司机以让对他们对乘客的分布信息有所掌握。
(2)除了客人分布的信息外,第二类工作考虑了更多的现实因素,比如人群移动规律,寻客的可能性和潜在寻客长度等因素,并利用这些因素来建模找出最佳的明晰的寻客路径和寻客地点。
(3)与类别一和类别二的找出清晰的寻客指导不同,类别三以发现整个城市的大的寻客规律为主。例如,通过简单的统计分析,可以使得出租车善于在正确的时间出现在正确的区域,并选择交通通畅的道路。
发明内容
本发明的目的在于提供一种不同于上述类别的方法,既不去寻找具体的寻客路径,也不去发现大而难以实用的寻客规律,而是通过研究不同情况(时间段、乘客地点)下的出租车服务策略,并提出全新的建模方法以发现在不同情况下的好的和坏的寻客策略。 本发明的目的是采用方法从原始的出租车的GPS记录中,抽象出出租车日常运营时采取的策略并辨析出这些策略的好与坏。
为了实现上述目的,本发明的技术方案如下。
一种基于GPS轨迹的出租车寻客策略选优方法,具体包括以下步骤:
(1)数据预处理,包括以下三步骤:
(1a)数据过滤:首先将每一个出租车的所有寻客轨迹和送客轨迹提取出来,过滤掉那些不符合如下任一条件的轨迹:①不含相邻采样时间间隔超过5分钟的采样序列;②相邻采样点之间的直线距离不过10公里。
(1b)划分地理位置:首先将整个城市的地图划分为不同的区域,这样每个GPS点就可以划分在不同的区域上。区域的划分采用等距离格子划分,或者是聚类方式划分。采用此方法将一个城市化分为M个区域。
(1c)划分时间段:根据交通状况的变化,将一天划分为几个不同的时间段,然后分时段研究该时间段的策略特征。
(2)针对GPS轨迹的出租车司机进行行为建模:
在给定的某个下客事件,出租车司机寻客的策略分为如下三类:
(2a)在本地等待客人(用wl表示):即放下客人后,出租车司机在附近的某个地方停车等待客人;
(2b)在本地寻找客人(用hl表示):即放下客人后,出租车司机在附近转悠以寻找客人;
(2c)直接离开去远处(用gd表示):即放下客人后,出租车司机离开本地,直接去远处某个地方;
针对一条寻客轨迹,判断是何种策略的规则定义如下:
其中, 是出租车司机下客后一段特定时间内的空车行驶直线距离;是在这一段时间内如果发生等待,从等待开始到等待结束之间的时间间隔;如果大于一个阈值,即该出租车司机行车离开了本地,否则,则为在本地寻客。在本地寻客的情况下,如果超过了阈值,则为在本地等客,否则为本地找客。
对于一块特定区域l,和一个特定的时间段t,将每辆车在一段时间内(比如1个月内)的所有寻客策略的次数计算出来,分别记为:去远处次,本地寻客次和本地等客次,每种策略所占的比重即为该车司机对该策略的偏好度量SP,公式为
对于一个司机,能够得到3*M个特征,分别描述该司机在不同的地点对于不同的策略的偏好程度。将所有的出租车的特征放在一起,即组成一个特征矩阵,记录了不同的出租车在不同的地点对于不同的策略的偏好程度。
(3)出租车司机寻客策略优劣辨析方法:
利用策略偏好和收入的相关性来分析出租车司机寻客策略的优劣,即,如果策略的偏好和出租车司机的当前时间段的收入是正相关的,则对该策略的偏好更多情况下带来更高的收益;反之,如果是负相关的,则对该策略的偏好更多情况下带来更低的收益。相关性的计算公式为:
该发明的有益效果在于:本发明既不去寻找具体的寻客路径,也不去发现大而难以实用的寻客规律,而是通过研究不同情况(时间段、乘客地点)下的出租车服务策略,采用全新的建模方法以发现在不同情况下的好的和坏的寻客策略。 本发明能够从原始的出租车的GPS记录中,抽象出出租车日常运营时采取的策略并辨析出这些策略的好与坏,从而有利于出租车下客后,能够得到提示,看是否是在本地找,还是本地某一个地方等车,还是直接离开这里去别的地方,增强了出租车司机判断能力和效益。
附图说明
图1 是本发明实施例中所使用真实出租车GPS轨迹示例图。
具体实施方式
下面结合附图和实施例对本发明的具体实施方式进行描述,以便更好的理解本发明。
实施例
如图1所示,本实施例的出租车GPS轨迹介绍,如图1所示的出租车的GPS轨迹示例图,其中每个点(用o和+表示)为采样点。用o表示的采样点为送客的记录,该完整的送客过程的记录称为一条送客轨迹,用+表示的采样点为寻客记录,该完整的寻客过程的记录称为一条寻客轨迹,送客轨迹和寻客轨迹之间的切换部分分别为下客点和上客点。针对此情况所采取的基于GPS轨迹的出租车寻客策略选优方法,具体包括以下步骤:
(1)数据预处理,包括以下三步骤:
(1a)数据过滤:首先将每一个出租车的所有寻客轨迹和送客轨迹提取出来,过滤掉那些不符合如下任一条件的轨迹:①不含相邻采样时间间隔超过5分钟的采样序列;②相邻采样点之间的直线距离不过10公里。
(1b)划分地理位置:首先将整个城市的地图划分为不同的区域,这样每个GPS点就可以划分在不同的区域上。区域的划分有多种形式,常见的有等距离格子划分,或者是聚类方式划分。本实施例中,我们首先以等距离格子划分城市,将一个城市化分为80X40=320个区域。我们将这些区域在划分时间段内的上客次数进行排序,得到一个乘客热度区域序列。将99位以后的区域并为1个区域(大部分是偏远郊区),和前99个区域一起组成100个区域的划分。
(1c)划分时间段:根据交通状况的变化,将一天划分为几个不同的时间段,然后分时段研究该时间段的策略特征。比如取时间段【10:00~13:59】。
(2)针对GPS轨迹的出租车司机进行行为建模:
在给定的某个下客事件,出租车司机寻客的策略分为如下三类:
(2a)在本地等待客人(用wl表示):即放下客人后,出租车司机在附近的某个地方停车等待客人;
(2b)在本地寻找客人(用hl表示):即放下客人后,出租车司机在附近转悠以寻找客人;
(2c)直接离开去远处(用gd表示):即放下客人后,出租车司机离开本地,直接去远处某个地方;
针对一条寻客轨迹,判断是何种策略的规则定义如下:
其中, 是出租车司机下客后一段特定时间内的空车行驶直线距离;是在这一段时间内如果发生等待,从等待开始到等待结束之间的时间间隔;如果大于一个阈值,即该出租车司机行车离开了本地,否则,则为在本地寻客。在本地寻客的情况下,如果超过了阈值,则为在本地等客,否则为本地找客。
对于一块特定区域l,和一个特定的时间段t,将每辆车在一段时间内(比如1个月内)的所有寻客策略的次数计算出来,分别记为:去远处次,本地寻客次和本地等客次,每种策略所占的比重即为该车司机对该策略的偏好度量SP,公式为
对于一个司机,能够得到3*100=300个特征,分别描述该司机在不同的地点对于不同的策略的偏好程度。将所有的出租车的特征放在一起,即组成一个特征矩阵,记录了不同的出租车在不同的地点对于不同的策略的偏好程度。该特征矩阵示例图如表1所示:
(3)出租车司机寻客策略优劣辨析方法:
利用策略偏好和收入的相关性来分析出租车司机寻客策略的优劣,即,如果策略的偏好和出租车司机的当前时间段的收入是正相关的,则对该策略的偏好更多情况下带来更高的收益;反之,如果是负相关的,则对该策略的偏好更多情况下带来更低的收益。相关性的计算公式为:
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (1)
1.一种基于GPS轨迹的出租车寻客策略选优方法,其特征在于:具体包括以下步骤:
(1)数据预处理,包括以下三步骤:
(1a)数据过滤:首先将每一个出租车的所有寻客轨迹和送客轨迹提取出来,过滤掉那些不符合如下任一条件的轨迹:①不含相邻采样时间间隔超过5分钟的采样序列;②相邻采样点之间的直线距离不过10公里;
(1b)划分地理位置:首先将整个城市的地图划分为不同的区域,这样每个GPS点就可以划分在不同的区域上;区域的划分采用等距离格子划分,或者是聚类方式划分;将一个城市化分为M个区域;
(1c)划分时间段:根据交通状况的变化,将一天划分为几个不同的时间段,然后分时段研究该时间段的策略特征;
(2)针对GPS轨迹的出租车司机进行行为建模:
在给定的某个下客事件,出租车司机寻客的策略分为如下三类:
(2a)在本地等待客人(用wl表示):即放下客人后,出租车司机在附近的某个地方停车等待客人;
(2b)在本地寻找客人(用hl表示):即放下客人后,出租车司机在附近转悠以寻找客人;
(2c)直接离开去远处(用gd表示):即放下客人后,出租车司机离开本地,直接去远处某个地方;
针对一条寻客轨迹,判断是何种策略的规则定义如下:
其中, 是出租车司机下客后一段特定时间内的空车行驶直线距离;是在这一段时间内如果发生等待,从等待开始到等待结束之间的时间间隔;如果大于一个阈值,即该出租车司机行车离开了本地,否则,则为在本地寻客;在本地寻客的情况下,如果超过了阈值,则为在本地等客,否则为本地找客;
对于一块特定区域l,和一个特定的时间段t,将每辆车在一段时间内(比如1个月内)的所有寻客策略的次数计算出来,分别记为:去远处次,本地寻客次和本地等客次,每种策略所占的比重即为该车司机对该策略的偏好度量SP,公式为
对于一个司机,能够得到3*M个特征,分别描述该司机在不同的地点对于不同的策略的偏好程度;将所有的出租车的特征放在一起,即组成一个特征矩阵,记录了不同的出租车在不同的地点对于不同的策略的偏好程度;
(3)出租车司机寻客策略优劣辨析方法:
利用策略偏好和收入的相关性来分析出租车司机寻客策略的优劣:即,如果策略的偏好和出租车司机的当前时间段的收入是正相关的,则对该策略的偏好更多情况下带来更高的收益;反之,如果是负相关的,则对该策略的偏好更多情况下带来更低的收益;相关性的计算公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310564651.9A CN103544834B (zh) | 2013-11-14 | 2013-11-14 | 一种基于gps轨迹的出租车寻客策略选优方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310564651.9A CN103544834B (zh) | 2013-11-14 | 2013-11-14 | 一种基于gps轨迹的出租车寻客策略选优方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103544834A true CN103544834A (zh) | 2014-01-29 |
CN103544834B CN103544834B (zh) | 2016-03-16 |
Family
ID=49968241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310564651.9A Expired - Fee Related CN103544834B (zh) | 2013-11-14 | 2013-11-14 | 一种基于gps轨迹的出租车寻客策略选优方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103544834B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105679009A (zh) * | 2016-02-03 | 2016-06-15 | 西安交通大学 | 一种基于出租车gps数据挖掘的打车/接单poi推荐系统及方法 |
CN105741537A (zh) * | 2016-03-29 | 2016-07-06 | 福建工程学院 | 车辆寻客状态的识别方法及系统 |
CN107577725A (zh) * | 2017-08-22 | 2018-01-12 | 长安大学 | 一种城市出租车乘客出行特征可视化分析方法 |
CN107590175A (zh) * | 2017-07-31 | 2018-01-16 | 同济大学 | 一种基于深度学习的出租车载客点推荐方法 |
CN107832882A (zh) * | 2017-11-03 | 2018-03-23 | 上海交通大学 | 一种基于马尔科夫决策过程的出租车寻客策略推荐方法 |
CN109242202A (zh) * | 2018-09-29 | 2019-01-18 | 中国科学技术大学苏州研究院 | 一种基于区域间乘客流动的出租车推荐方法及系统 |
JP6490267B1 (ja) * | 2018-02-27 | 2019-03-27 | ヤフー株式会社 | 提供装置、提供方法および提供プログラム |
CN110347937A (zh) * | 2019-06-27 | 2019-10-18 | 哈尔滨工程大学 | 一种出租车智能寻客方法 |
CN111160597A (zh) * | 2019-10-29 | 2020-05-15 | 三峡大学 | 基于出租车司机综合满意度的智能调度方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002183874A (ja) * | 2000-12-14 | 2002-06-28 | Nippon Telegr & Teleph Corp <Ntt> | 意味情報ネットワークを用いた移動するサービス提供者探索方法および探索システムと送信端末および受信端末 |
JP2002342890A (ja) * | 2001-05-17 | 2002-11-29 | Nippon Kouatsu Electric Co | 営業車用客情報提供システム |
JP2009181530A (ja) * | 2008-02-01 | 2009-08-13 | Nec Corp | 相乗り管理方法、システム及び装置 |
CN102881152A (zh) * | 2012-07-19 | 2013-01-16 | 周文伟 | 出租车智能营运导航助理系统及方法 |
CN103218672A (zh) * | 2013-03-24 | 2013-07-24 | 吉林大学 | 一种基于gps数据网格统计的出租车巡航行为分析方法 |
CN103295394A (zh) * | 2013-06-24 | 2013-09-11 | 东南大学 | 基于广义gps数据的出租车候客站点备选地址确定方法 |
-
2013
- 2013-11-14 CN CN201310564651.9A patent/CN103544834B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002183874A (ja) * | 2000-12-14 | 2002-06-28 | Nippon Telegr & Teleph Corp <Ntt> | 意味情報ネットワークを用いた移動するサービス提供者探索方法および探索システムと送信端末および受信端末 |
JP2002342890A (ja) * | 2001-05-17 | 2002-11-29 | Nippon Kouatsu Electric Co | 営業車用客情報提供システム |
JP2009181530A (ja) * | 2008-02-01 | 2009-08-13 | Nec Corp | 相乗り管理方法、システム及び装置 |
CN102881152A (zh) * | 2012-07-19 | 2013-01-16 | 周文伟 | 出租车智能营运导航助理系统及方法 |
CN103218672A (zh) * | 2013-03-24 | 2013-07-24 | 吉林大学 | 一种基于gps数据网格统计的出租车巡航行为分析方法 |
CN103295394A (zh) * | 2013-06-24 | 2013-09-11 | 东南大学 | 基于广义gps数据的出租车候客站点备选地址确定方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105679009B (zh) * | 2016-02-03 | 2017-12-26 | 西安交通大学 | 一种基于出租车gps数据挖掘的打车/接单poi推荐系统及方法 |
CN105679009A (zh) * | 2016-02-03 | 2016-06-15 | 西安交通大学 | 一种基于出租车gps数据挖掘的打车/接单poi推荐系统及方法 |
CN105741537B (zh) * | 2016-03-29 | 2018-06-26 | 福建工程学院 | 车辆寻客状态的识别方法及系统 |
CN105741537A (zh) * | 2016-03-29 | 2016-07-06 | 福建工程学院 | 车辆寻客状态的识别方法及系统 |
CN107590175A (zh) * | 2017-07-31 | 2018-01-16 | 同济大学 | 一种基于深度学习的出租车载客点推荐方法 |
CN107577725A (zh) * | 2017-08-22 | 2018-01-12 | 长安大学 | 一种城市出租车乘客出行特征可视化分析方法 |
CN107832882A (zh) * | 2017-11-03 | 2018-03-23 | 上海交通大学 | 一种基于马尔科夫决策过程的出租车寻客策略推荐方法 |
JP6490267B1 (ja) * | 2018-02-27 | 2019-03-27 | ヤフー株式会社 | 提供装置、提供方法および提供プログラム |
JP2019149036A (ja) * | 2018-02-27 | 2019-09-05 | ヤフー株式会社 | 提供装置、提供方法および提供プログラム |
CN109242202A (zh) * | 2018-09-29 | 2019-01-18 | 中国科学技术大学苏州研究院 | 一种基于区域间乘客流动的出租车推荐方法及系统 |
CN109242202B (zh) * | 2018-09-29 | 2021-09-21 | 中国科学技术大学苏州研究院 | 一种基于区域间乘客流动的出租车推荐方法及系统 |
CN110347937A (zh) * | 2019-06-27 | 2019-10-18 | 哈尔滨工程大学 | 一种出租车智能寻客方法 |
CN110347937B (zh) * | 2019-06-27 | 2022-02-11 | 哈尔滨工程大学 | 一种出租车智能寻客方法 |
CN111160597A (zh) * | 2019-10-29 | 2020-05-15 | 三峡大学 | 基于出租车司机综合满意度的智能调度方法 |
CN111160597B (zh) * | 2019-10-29 | 2022-06-21 | 三峡大学 | 基于出租车司机综合满意度的智能调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103544834B (zh) | 2016-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103544834A (zh) | 一种基于gps轨迹的出租车寻客策略选优方法 | |
Kan et al. | Traffic congestion analysis at the turn level using Taxis' GPS trajectory data | |
Li et al. | Hunting or waiting? Discovering passenger-finding strategies from a large-scale real-world taxi dataset | |
CN105095481B (zh) | 大规模出租车od数据可视分析方法 | |
CN111091720B (zh) | 基于信令数据和浮动车数据的拥堵路段识别方法及装置 | |
CN102368355B (zh) | 快速更新交通数据的方法和系统 | |
CN110738856B (zh) | 一种基于移动聚类的城市交通拥堵精细识别方法 | |
CN108848460B (zh) | 基于rfid和gps数据的人车关联方法 | |
Tiedemann et al. | Concept of a data thread based parking space occupancy prediction in a berlin pilot region | |
CN108062857B (zh) | 用于出租车乘客出行目的的预测方法 | |
CN107730975A (zh) | 超市停车引导反向寻车和出场引导的系统和方法 | |
CN103366560A (zh) | 一种道路交通运行状态跟车探测方法、系统及应用 | |
CN111680377A (zh) | 一种交通态势仿真方法、系统和电子设备 | |
CN103942853B (zh) | 基于lbs数据库的汽车信息采集装置和风险分析方法 | |
CN106164996A (zh) | 驾驶行动分类设备与驾驶行动分类方法 | |
CN106297304A (zh) | 一种基于MapReduce面向大规模卡口数据的套牌车识别方法 | |
CN108573604A (zh) | 基于移动终端定位的公交od数据获取方法及存储介质 | |
Li et al. | Driving big data: A first look at driving behavior via a large-scale private car dataset | |
Zhu et al. | CrowdParking: Crowdsourcing based parking navigation in autonomous driving era | |
Xiao et al. | Exploring human mobility patterns and travel behavior: A focus on private cars | |
CN106781467B (zh) | 一种基于协同过滤的公交乘客刷卡站点信息提取方法 | |
CN108681741A (zh) | 基于ic卡和居民调查数据的地铁通勤人群信息融合方法 | |
Zhou et al. | Identification of taxi pick-up and drop-off hotspots using the density-based spatial clustering method | |
Liqun et al. | Research on taxi drivers' passenger hotspot selecting patterns based on GPS data: A case study in Wuhan | |
CN104616066B (zh) | 一种行车用量数据的采集方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20170410 Address after: 100010 Beijing city Dongcheng District Andingmen Hutong No. 27 in the white school forever Patentee after: Beijing cloud Technology Co., Ltd. Address before: 100010 Beijing city Dongcheng District Andingmen Hutong No. 27 in the white school forever Patentee before: Sun Lin |
|
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160316 Termination date: 20171114 |