首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--交通工程与交通管理论文

基于大数据的空载出租车路径优化方法研究

摘要第4-6页
abstract第6-7页
第1章 绪论第11-24页
    1.1 研究背景及意义第11-12页
        1.1.1 研究背景第11页
        1.1.2 研究目的与意义第11-12页
    1.2 国内外研究现状第12-18页
        1.2.1 出租车载客热点研究第12-14页
        1.2.2 出租车路径推荐研究第14-17页
        1.2.3 出租车路径调度方案研究第17-18页
        1.2.4 国内外研究现状总结与分析第18页
    1.3 主要研究内容及技术路线第18-21页
        1.3.1 主要研究内容第18-19页
        1.3.2 研究方法与技术路线第19-21页
    1.4 论文组织结构第21页
    注释第21-24页
第2章 数据处理第24-28页
    2.1 出租车数据采集相关技术第24-25页
        2.1.1 GPS定位系统第24页
        2.1.2 GIS地理信息系统第24-25页
    2.2 出租车GPS数据描述第25-26页
    2.3 出租车轨迹数据预处理第26-27页
    2.4 本章小结第27-28页
第3章 收入水平与载客热点分析第28-39页
    3.1 出租车驾驶人收入分析第28-31页
        3.1.1 出租车轨迹提取第28-29页
        3.1.2 出租车驾驶人收入计算方法第29-30页
        3.1.3 出租车驾驶人收入分析第30-31页
    3.2 载客热点分析第31-36页
        3.2.1 载客数量及载客率分析第31-32页
        3.2.2 网格划分第32-33页
        3.2.3 网格载客能力分析第33-34页
        3.2.4 网格载客可能性分析第34-36页
        3.2.5 网格载客能力与网格载客可能性对比分析第36页
    3.3 热点区域与驾驶人收入相关分析第36-38页
    3.4 本章小结第38-39页
第4章 路径优化模型构建与求解算法第39-57页
    4.1 空载出租车路径优化模型第39-44页
        4.1.1 问题描述及基本假设第39-40页
        4.1.2 出租车巡游成本分析第40页
        4.1.3 目标函数与参数分析第40-43页
        4.1.4 模型约束条件第43-44页
    4.2 蚁群算法概述第44-48页
        4.2.1 蚁群算法基本思想第44-45页
        4.2.2 蚁群算法基本原理第45-47页
        4.2.3 蚁群算法基本步骤第47-48页
    4.3 蚁群算法的改进第48-54页
        4.3.1 算法路径选择的改进第49页
        4.3.2 信息素更新策略的改进第49-51页
        4.3.3 基于信息素扩散的改进第51-53页
        4.3.4 初始解的启发第53-54页
    4.4 改进蚁群算法的实现步骤第54-56页
    4.5 本章小结第56-57页
第5章 算例与效果分析第57-66页
    5.1 实验说明第57-58页
    5.2 计算结果分析第58-61页
    5.3 参数敏感性分析第61-64页
        5.3.1 参数?和?对算法性能的影响分析第61-63页
        5.3.2 蚂蚁数目m的选择第63-64页
        5.3.3 信息素残留系数的选择第64页
    5.4 本章小结第64-66页
第6章 结论与展望第66-68页
    6.1 结论第66页
    6.2 研究展望第66-68页
致谢第68-69页
攻读学位期间的研究成果及参与的项目第69-71页
参考文献第71页

论文共71页,点击 下载论文
上一篇:公共服务类国有企业高管三维绩效评价体系构建--以S集团为例
下一篇:基于精益生产的X公司涂装生产线改善研究