摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第9-19页 |
1.1 论文的研究背景及意义 | 第9-11页 |
1.1.1 研究背景 | 第9-10页 |
1.1.2 研究意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-14页 |
1.2.1 轨迹数据处理技术研究现状 | 第11-12页 |
1.2.2 出租车GPS数据挖掘研究现状 | 第12-14页 |
1.3 存在的问题与不足 | 第14-15页 |
1.4 论文主要研究内容 | 第15-16页 |
1.5 论文组织结构 | 第16-19页 |
第二章 数据预处理 | 第19-29页 |
2.1 数据来源与格式 | 第19-21页 |
2.1.1 出租车GPS轨迹数据 | 第19-21页 |
2.1.2 辅助数据 | 第21页 |
2.2 GPS数据预处理 | 第21-25页 |
2.2.1 数据二次排序 | 第21-23页 |
2.2.2 数据清洗 | 第23-25页 |
2.3 出租车司机收入计算与地图网格划分 | 第25-28页 |
2.3.1 出租车司机收入计算 | 第25-27页 |
2.3.2 地图网格划分 | 第27-28页 |
2.4 本章小结 | 第28-29页 |
第三章 基于GPS轨迹数据的出租车服务策略评价模型 | 第29-57页 |
3.1 出租车服务策略定义及其提取方法 | 第29-37页 |
3.1.1 出租车司机收入分析 | 第29-32页 |
3.1.2 出租车服务策略定义 | 第32-34页 |
3.1.3 出租车司机初始搜索意图判断方法 | 第34-36页 |
3.1.4 基于GPS轨迹数据出租车服务策略提取方法 | 第36-37页 |
3.2 出租车服务策略评价方法 | 第37-44页 |
3.2.1 服务策略评价方法分析 | 第37-38页 |
3.2.2 基于皮尔逊相关系数法(Pearson)服务策略评价矩阵提取 | 第38-40页 |
3.2.3 基于交替最小二乘法(ALS)评价矩阵缺失数据补全 | 第40-44页 |
3.3 出租车服务策略评价模型 | 第44-48页 |
3.3.1 出租车服务策略分析 | 第44-46页 |
3.3.2 出租车服务策略评价模型 | 第46-48页 |
3.4 服务策略评价模型的算法实现 | 第48-56页 |
3.4.1 spark原理介绍 | 第48-49页 |
3.4.2 基于Spark的服务策略和评价矩阵的提取算法实现 | 第49-56页 |
3.5 本章小结 | 第56-57页 |
第四章 基于出租车服务策略数据的司机收入和评价矩阵预测 | 第57-71页 |
4.1 基于历史出租车服务策略数据的司机收入可预测性分析 | 第57-59页 |
4.1.1 出租车服务策略和司机收入的数据结构 | 第57-58页 |
4.1.2 出租车服务策略数据对出租车司机收入的影响分析 | 第58-59页 |
4.2 基于高斯过程回归算法的出租车司机收入预测模型 | 第59-64页 |
4.2.1 预测常用方法概述 | 第59-60页 |
4.2.2 高斯过程回归模型 | 第60-62页 |
4.2.3 基于高斯过程回归算法的司机收入预测模型构建 | 第62-64页 |
4.3 基于深度学习的出租车服务策略评价矩阵预测模型 | 第64-69页 |
4.3.1 CNN卷积神经网络 | 第64-66页 |
4.3.2 基于卷积神经网络回归(CNNR)的评价矩阵预测模型 | 第66-69页 |
4.4 本章小结 | 第69-71页 |
第五章 出租车服务策略和预测实例分析 | 第71-87页 |
5.1 实验环境介绍 | 第71-72页 |
5.1.1 实例分析使用数据 | 第71页 |
5.1.2 实验平台介绍 | 第71-72页 |
5.2 出租车服务策略实例分析 | 第72-80页 |
5.2.1 搜索策略实例分析 | 第72-75页 |
5.2.2 输送策略实例分析 | 第75-78页 |
5.2.3 区域偏好实例分析 | 第78-80页 |
5.3 出租车司机收入和服务策略评价矩阵预测实例分析 | 第80-86页 |
5.3.1 出租车司机收入预测分析 | 第80-82页 |
5.3.2 出租车服务策略评价矩阵预测分析 | 第82-86页 |
5.4 本章小结 | 第86-87页 |
第六章 总结与展望 | 第87-89页 |
6.1 论文总结 | 第87-88页 |
6.2 论文的不足和展望 | 第88-89页 |
参考文献 | 第89-95页 |
攻读学位期间取得的研究成果 | 第95-96页 |
致谢 | 第96页 |