基于出租車GPS軌跡的乘客目的地預測預分析

康科

摘要：出租車的供需矛盾影響著整個城市的交通。通過挖掘出租車GPS軌跡中的信息，可以預測乘客的目的地位置，提高出租車調度中心的效率，幫助緩解城市的壓力，減少城市污染。同時預測乘客的目的地還可以用于商業廣告推廣，提高導航效率等。本文主要介紹出租車乘客目的地預測的原理和方法。

關鍵詞：出租車；GPS軌跡分析；目的地預測；乘客

0前言

出租車公司為每輛出租車都安裝了GPS儀器，方便出租車公司的監控和調動，同時能夠保證出租車司機的安全。當前，城市的交通壓力空前巨大，交通擁堵和空氣污染問題嚴重。出租車是緩解城市壓力的一種重要的交通工具。但是，由于出租車的數量有限，在交通高峰期很多乘客很難找到一輛出租車。而出租車在某些時段需要形勢很長的距離才能找到乘客。因此，出租車調度中心需要提高調度效率，保證出租車的使用率，是一個亟待解決的問題。但是，由于出租車的流動性較強，在不知道乘客目的地的情況下很難對其進行調度。在出租車GPS軌跡信息中，蘊含了大量的乘客信息。從這些信息中，可以挖掘出乘客的流動模式，以及城市中不同乘客的乘車習慣。使用這些信息，可以幫助我們預測出租車的目的地，緩解城市的交通壓力。

1出租車GPS數據分析

為了保證數據能夠真實的反應城市的交通規律以及乘客的乘車習慣，本文中使用了葡萄牙波爾圖市的出租車數據。在該數據中包含了442輛出租車的GPS數據。數據包含了9個特征，包括：每條軌跡的唯一編號，乘客是否使用電話呼叫出租車的方式，乘客的電話，上車的出租車站臺，出租車的編號，時間，是否為節假日，數據是否完整，出租車GPS軌跡點。數據的跨度從2013年的7月到2014年6月。出租車的軌跡數據幾乎遍布城市路網的各個角落。越往城市市中心，出租車的軌跡就越密集，乘客的搭載活動越多。在城市中間河流的北岸乘客活動最密集。

2乘客目的地聚類方法

由于乘客目的地遍布城市的各個角落，增加了城市目的地預測的難度。為了方便預測，在建立預測模型之前，將乘客的目的地進行聚類，方便可以降低預測模型的復雜性，提高預測效率。在常用的聚類方法當中使用DBSCAN方法和mean-shift聚類方法最多。本文中采用了mean-shift聚類方法。在聚類之前，本文選擇了出租車的軌跡的最后一個點作為乘客的下車地點，然后使用聚類算法對其聚類。聚類結果為3356個點，這些點幾乎涵蓋了城市的所有角落。圖1為對GPS軌跡中所有點的可視化?？梢钥闯鰩缀踉诿總€地點都有乘客下車。同時可以看出和全部的數據可視化一樣，在市中心的下車遠遠高于其它地區。

3乘客目的地預測常用方法及應用

在出租車預測的常用算法中，最常見的有兩類算法：基于概率論的目的地預測和基于神經網絡的目的地預測。其中基于概率論的算法計算GPS軌跡數據中的先驗概率，通過計算不同位置之間的轉換概率，獲得最大概率的目的地作為乘客目的地。其優點是計算簡單，算法復雜度低，同時能夠充分利用數據中的信息。但是對數據的噪聲并不能很好的處理。要求數據量足夠大。由于GPS軌跡自身具有稀疏性，在城市兩個不同地點之間很難具有足夠的GPS數據，所以此類模型很難提供高精度的運算。

深度神經網絡技術是當前最流行的算法之一。該算法在圖像識別、語音識別等領域獲得了巨大成功?；谏窠浘W絡的模型使用該算法，將原始的GPS軌跡數據進行特征提取以后使用該模型進行預測。在當前的算法當中，該模型在出租車目的地預測當中保持了最高的準確度。

基于出租車GPS目的地的預測有很多應用，其中如上文提到的是最重要的應用之一。除此之外還有很多其它應用。例如，每年商業公司都要花費巨額資金投入到廣告行業進行商業推廣。但是，精準的廣告投放需要具有豐富的工作經驗。如果能夠分析出租車的目的地，分析目的地乘客的類型和消費習慣，就可以對乘客進行更加的精準的分析。這樣對其進行商業廣告的推廣就更加有效。此外，目的地預測還可以提高導航系統的功能，自動駕駛等方面有廣闊的前景。

4結語

出租車是緩解城市交通壓力的重要手段之一，只有充分利用才能最好的緩解乘客與出租車之間的供需矛盾。同時，能夠提高出租車司機的收入，也可以減少城市污染。通過分析出租車GPS軌跡信息中的乘客規律，可以幫助調度中心更好的預測出租車的形勢方向和區域。這樣就可以進一步提高出租車調度中心的調度效率。幫助出租車更快的響應需要乘車的乘客。