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 |