一种基于GPS轨迹的出租车寻客策略选优方法

摘要

本发明涉及一种基于GPS轨迹的出租车寻客策略选优方法，属于计算机建模技术领域。具体包括以下步骤：（1）数据预处理：针对数据过滤，并划分地理位置、划分时间段；（2）针对GPS轨迹的出租车司机进行行为建模，得到不同的出租车在不同的地点对于不同的策略的偏好程度；（3）利用策略偏好和收入的相关性来分析出租车司机寻客策略的优劣。本发明能够从原始的出租车的GPS记录中，抽象出出租车日常运营时采取的策略并辨析出这些策略的好与坏，从而有利于出租车下客后，能够得到提示，看是否是在本地找，还是本地某一个地方等车，还是直接离开这里去别的地方，增强了出租车司机判断能力和效益。

主权项

一种基于GPS轨迹的出租车寻客策略选优方法，其特征在于：具体包括以下步骤：(1)数据预处理，包括以下三步骤：(1a)数据过滤：首先将每一个出租车的所有寻客轨迹和送客轨迹提取出来，过滤掉那些不符合如下任一条件的轨迹：①不含相邻采样时间间隔超过一定时间的采样序列；②相邻采样点之间的直线距离不过一定的长度；(1b)划分地理位置：首先将整个城市的地图划分为不同的区域，这样每个GPS点就可以划分在不同的区域上；区域的划分采用等距离格子划分，或者是聚类方式划分；将一个城市划分为M个区域；(1c)划分时间段：根据交通状况的变化，将一天划分为几个不同的时间段，然后分时段研究该时间段的策略特征；(2)针对GPS轨迹的出租车司机进行行为建模：在给定的某个下客事件，出租车司机寻客的策略分为如下三类：(2a)在本地等待客人，用wl表示：即放下客人后，出租车司机在附近的某个地方停车等待客人；(2b)在本地寻找客人，用hl表示：即放下客人后，出租车司机在附近转悠以寻找客人；(2c)直接离开去远处，用gd表示：即放下客人后，出租车司机离开本地，直接去远处某个地方；针对一条寻客轨迹，判断是何种策略的规则定义如下：其中，d_drop是出租车司机下客后一段特定时间内的空车行驶直线距离；t_wait是在这一段时间内如果发生等待，从等待开始到等待结束之间的时间间隔；如果d_drop大于一个阈值τ_d，即该出租车司机行车离开了本地，否则，则为在本地寻客；在本地寻客的情况下，如果t_wait超过了阈值ω_d，则为在本地等客，否则为本地找客；对于一块特定区域l，和一个特定的时间段t，将每辆车在一段时间内的所有寻客策略的次数计算出来，分别记为：去远处次，本地寻客次和本地等客次，每种策略所占的比重即为该车司机对该策略的偏好度量SP，公式为$SP\left(S^{l,t}\right)=\frac{S^{l,t}}{S_{dd}^{l,t}+S_{dw}^{l,t}+S_{dh}^{l,t}},$其中S^l,t为或者对于一个司机，能够得到3*M个特征，分别描述该司机在不同的地点对于不同的策略的偏好程度；将所有的出租车的特征放在一起，即组成一个特征矩阵，记录了不同的出租车在不同的地点对于不同的策略的偏好程度；(3)出租车司机寻客策略优劣辨析方法：利用策略偏好和收入的相关性来分析出租车司机寻客策略的优劣：即，如果策略的偏好和出租车司机的当前时间段的收入是正相关的，则对该策略的偏好更多情况下带来更高的收益；反之，如果是负相关的，则对该策略的偏好更多情况下带来更低的收益；相关性的计算公式为：$Corr(SP,R)=\frac{{\Sigma }_{i=1}^N({\mathrm{sp}}_i-\overline{sp})(r_i-\bar{r})}{\sqrt{{\Sigma }_{i=1}^N{({\mathrm{sp}}_i-\overline{sp})}^2}\sqrt{{\Sigma }_{i=1}^N{(r_i-\bar{r})}^2}}$其中，sp_i是第i辆车的策略偏好度量，是所有车的策略偏好度量的平均值，r_i为第i辆车该时间段的收入，是所有车在该时间段的收入的平均值，R为所有的车对应的收入r_i组成的向量。