| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 本文组织结构 | 第12-14页 |
| 第2章 出租车轨迹数据的预处理 | 第14-30页 |
| 2.1 数据集介绍 | 第14-17页 |
| 2.1.1 出租车轨迹数据 | 第14-15页 |
| 2.1.2 路网数据 | 第15-17页 |
| 2.2 轨迹数据预处理 | 第17-20页 |
| 2.2.1 轨迹数据过滤 | 第17-19页 |
| 2.2.2 出租车上客点候选集的获取 | 第19-20页 |
| 2.3 路网匹配 | 第20-26页 |
| 2.3.1 路网匹配的基本方法 | 第20-23页 |
| 2.3.2 低采样率GPS轨迹点的路网匹配 | 第23-26页 |
| 2.4 分布式数据预处理方案 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 出租车上客点候选集聚类研究 | 第30-48页 |
| 3.1 研究概述 | 第30-33页 |
| 3.1.1 出租车上客点分析 | 第30-31页 |
| 3.1.2 轨迹数据的聚类 | 第31-33页 |
| 3.2 出租车上客点候选集的时空聚类 | 第33-41页 |
| 3.2.1 上客点时空聚类算法框架 | 第33-35页 |
| 3.2.2 K-Means和DBSCAN算法分析 | 第35-39页 |
| 3.2.3 基于K-Means的DBSCAN改进算法 | 第39-41页 |
| 3.3 实验和结果分析 | 第41-47页 |
| 3.3.1 实验环境 | 第41-43页 |
| 3.3.2 实验结果分析 | 第43-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 基于候选上客点的出租车推荐研究 | 第48-61页 |
| 4.1 研究概述 | 第48-49页 |
| 4.2 推荐预测模型的建立 | 第49-54页 |
| 4.2.1 上客点载到乘客的概率计算 | 第50-51页 |
| 4.2.2 上客点下一次行程收益的估算 | 第51-52页 |
| 4.2.3 乘客等待时间预测 | 第52-54页 |
| 4.3 出租车推荐策略及过程 | 第54-56页 |
| 4.3.1 出租车推荐策略 | 第54-55页 |
| 4.3.2 出租车推荐过程 | 第55-56页 |
| 4.4 出租车推荐原型系统 | 第56-59页 |
| 4.4.1 原型系统的框架 | 第56-57页 |
| 4.4.2 原型系统的实现 | 第57-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 本文工作的总结 | 第61-62页 |
| 5.2 未来工作的展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |