基于出租车轨迹数据挖掘的群智物流研究
中文摘要 | 第3-4页 |
英文摘要 | 第4-5页 |
1 绪论 | 第8-14页 |
1.1 背景 | 第8-9页 |
1.2 国内外研究现状 | 第9-11页 |
1.3 研究内容 | 第11-12页 |
1.4 论文结构 | 第12-14页 |
2 轨迹数据聚类及运输网络模型 | 第14-26页 |
2.1 出租车轨迹数据 | 第14-15页 |
2.2 轨迹数据预处理 | 第15-16页 |
2.2.1 数据预处理 | 第15-16页 |
2.3 轨迹数据挖掘 | 第16-19页 |
2.3.1 轨迹数据挖掘方法 | 第16页 |
2.3.2 聚类算法 | 第16-19页 |
2.4 GPS距离计算 | 第19页 |
2.5 群智运输网络模型 | 第19-25页 |
2.5.1 包裹中转站 | 第19-20页 |
2.5.2 派送路径 | 第20页 |
2.5.3 路径选择 | 第20-22页 |
2.5.4 路径权值 | 第22-24页 |
2.5.5 派送流程 | 第24-25页 |
2.6 本章小结 | 第25-26页 |
3 离线派送模型 | 第26-42页 |
3.1 DARP和SARP | 第26-27页 |
3.2 模型问题描述 | 第27-28页 |
3.3 模型涉及定义 | 第28-29页 |
3.4 路由发现 | 第29页 |
3.5 包裹请求的转化过程 | 第29-30页 |
3.6 直达派送的整数线性规划模型 | 第30-31页 |
3.7 中转派送的整数线性规划模型 | 第31-33页 |
3.8 实验评估 | 第33-41页 |
3.8.1 实验设置 | 第33页 |
3.8.2 实验目的 | 第33-34页 |
3.8.3 不同轨迹数量实验结果 | 第34-35页 |
3.8.4 不同派送距离实验结果 | 第35-38页 |
3.8.5 区域内外派送实验结果 | 第38-39页 |
3.8.6 不同路由发现实验结果 | 第39-41页 |
3.9 本章小结 | 第41-42页 |
4 在线实时派送模型及调度算法 | 第42-64页 |
4.1 SOTA | 第42页 |
4.2 模型问题描述 | 第42-43页 |
4.3 模型涉及定义 | 第43-46页 |
4.4 模型相关假设 | 第46-47页 |
4.5 参考路径 | 第47页 |
4.6 实时派送调度 | 第47-50页 |
4.6.1 可利用性检测 | 第47-48页 |
4.6.2 准时抵达概率的计算与对比 | 第48-50页 |
4.6.3 包裹信息更新 | 第50页 |
4.6.4 派送结束 | 第50页 |
4.7 实验评估 | 第50-62页 |
4.7.1 实验设置 | 第51-52页 |
4.7.2 基线算法 | 第52-53页 |
4.7.3 实验目的 | 第53页 |
4.7.4 实验结果 | 第53-62页 |
4.8 本章小结 | 第62-64页 |
5 总结与展望 | 第64-66页 |
5.1 论文总结 | 第64页 |
5.2 论文展望 | 第64-66页 |
致谢 | 第66-68页 |
参考文献 | 第68-72页 |
附录 | 第72页 |
A.作者在攻读学位期间参加的科研项目目录 | 第72页 |