基于轨迹数据挖掘的短时出租车区域分布预测研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景与现状 | 第10-17页 |
| 1.1.1 传统出租车运营模式的挑战 | 第11-13页 |
| 1.1.2 轨迹数据挖掘技术 | 第13-14页 |
| 1.1.3 大数据处理技术的发展 | 第14-16页 |
| 1.1.4 机器学习技术的发展 | 第16-17页 |
| 1.2 研究问题与研究思路 | 第17-19页 |
| 1.3 本文工作及结构 | 第19-20页 |
| 第2章 轨迹预处理 | 第20-27页 |
| 2.1 轨迹点转换 | 第23-25页 |
| 2.2 构造Tensor | 第25-27页 |
| 第3章 基于马尔可夫过程的预测算法 | 第27-31页 |
| 3.1 马尔可夫过程 | 第27-28页 |
| 3.2 区域间出租车转移概率 | 第28-29页 |
| 3.3 马尔可夫过程应用 | 第29-31页 |
| 第4章 基于矩阵分解的预测算法 | 第31-38页 |
| 4.1 隐语义模型 | 第31-32页 |
| 4.2 矩阵分解算法 | 第32-35页 |
| 4.3 矩阵分解算法应用 | 第35-38页 |
| 第5章 基于GBRT的预测算法 | 第38-42页 |
| 5.1 GBRT算法 | 第38-41页 |
| 5.2 GBRT算法应用 | 第41-42页 |
| 第6章 实验结果 | 第42-49页 |
| 6.1 基于马尔可夫过程的预测结果 | 第43-45页 |
| 6.2 基于矩阵分解算法的预测结果 | 第45-47页 |
| 6.3 基于GBRT的预测结果 | 第47-48页 |
| 6.4 实验结果总结 | 第48-49页 |
| 第7章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |
