基于出租车轨迹挖掘的寻客路线推荐
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题来源 | 第10页 |
| 1.2 研究背景及意义 | 第10-11页 |
| 1.3 寻客推荐研究现状 | 第11-14页 |
| 1.3.1 研究现状 | 第11-13页 |
| 1.3.2 存在的问题 | 第13-14页 |
| 1.4 研究内容与方法 | 第14-15页 |
| 1.4.1 轨迹挖掘与分析 | 第14页 |
| 1.4.2 个性化的寻客点推荐 | 第14页 |
| 1.4.3 信息熵与寻客路线推荐 | 第14-15页 |
| 1.5 本文组织结构 | 第15-18页 |
| 第二章 相关理论与技术 | 第18-32页 |
| 2.1 轨迹数据挖掘概述 | 第18-24页 |
| 2.1.1 轨迹数据挖掘技术 | 第19-22页 |
| 2.1.2 轨迹挖掘应用 | 第22-24页 |
| 2.2 推荐系统 | 第24-27页 |
| 2.2.1 推荐系统分类 | 第24-27页 |
| 2.2.2 移动推荐系统 | 第27页 |
| 2.3 信息熵 | 第27-31页 |
| 2.3.1 信息熵理论 | 第28-29页 |
| 2.3.2 信息熵应用 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于GPS轨迹的载客点分析 | 第32-44页 |
| 3.1 本文概念定义 | 第32-34页 |
| 3.2 GPS数据预处理 | 第34-36页 |
| 3.2.1 数据说明 | 第34-35页 |
| 3.2.2 异常点剔除 | 第35页 |
| 3.2.3 停留区域检测 | 第35-36页 |
| 3.3 载客点提取与分析 | 第36-40页 |
| 3.3.1 载客点提取 | 第36-37页 |
| 3.3.2 载客点数据分析 | 第37-40页 |
| 3.4 基于密度聚类的载客点时空分析 | 第40-42页 |
| 3.4.1 基于密度的时空分析方法 | 第40-41页 |
| 3.4.2 实验结果与分析 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 个性化的寻客点推荐 | 第44-54页 |
| 4.1 研究概述 | 第44-45页 |
| 4.2 寻客点推荐研究框架 | 第45-46页 |
| 4.3 个性化的寻客点推荐 | 第46-51页 |
| 4.3.1 兴趣点分类 | 第47-48页 |
| 4.3.2 寻客点内容度量 | 第48-49页 |
| 4.3.3 寻客点推荐 | 第49-51页 |
| 4.4 实验结果与分析 | 第51-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 基于信息熵的寻客路线推荐 | 第54-66页 |
| 5.1 研究概述 | 第54-55页 |
| 5.2 寻客路线推荐研究框架 | 第55-57页 |
| 5.3 基于信息熵的寻客路线推荐 | 第57-63页 |
| 5.3.1 属性值的度量 | 第57-58页 |
| 5.3.2 寻客点选择模型构建 | 第58-60页 |
| 5.3.3 基于信息熵的模型求解 | 第60-61页 |
| 5.3.4 寻客路线推荐 | 第61-63页 |
| 5.4 实验结果与分析 | 第63-64页 |
| 5.5 本章小结 | 第64-66页 |
| 第六章 总结及展望 | 第66-68页 |
| 6.1 本文总结 | 第66-67页 |
| 6.2 研究展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 附录A：攻读硕士学位期间的研究成果 | 第73-74页 |
| 附录B：攻读硕士学位期间参与项目 | 第74页 |
