[发明专利]一种基于轨迹挖掘的出租车等待时间预测方法及系统

说明书

本发明属于时间预测领域，公开了一种基于轨迹挖掘的出租车等待时间预测方法及系统，采用分析出租车GPS轨迹的历史数据，来预测乘客在某区域某时段的等待空出租车的时间，将行政区域地图使用ArcGis工具分割为以50m*50m单位的网格，将出租车轨迹点分布到50m*50m的网格中，每一个网格的概率和等待时间相对独立出租车到达本地点的概率模型。本发明将乘客的候车时间通过经度和纬度的计算赋值给地图上划分的每个网格中，从而得出每个网格在某时刻等待到出租车所需要花费的时间；改善了以往研究粒度太粗糙和准确率不高等缺点；BP神经网络对于非线性数据预测能力和非线性建模能力较强。

技术领域

本发明属于时间预测领域，尤其涉及一种基于轨迹挖掘的出租车等待时间预测方法及系统。

背景技术

目前，业内常用的现有技术是这样的：

随着现代化城市的不断发展，城市的人口日益增多，随之而来的是城市的交通矛盾不断加剧。出租车是人们工作生活中的主要出行方式之一，但是在城市中，打车难的问题十分突出。现在，几乎城市中全部的出租车的车身上都配备了GPS设备，可以轻松获取大量的出租车实时轨迹数据信息，GPS数据点的时间序列，包含经度、纬度、时刻、载客状态的四元组。

乘客等待时间是测评出租车运营网络服务水平的主要指标之一，等待时间过长会降低乘客的满意度并将影响到乘客的出行安排计划。相对现有的吕明按照每个交通社区中现有的空出租车的数量与有出租车出行的乘客的数量之间的比对，将社区标记为饱和、不饱或者平衡状态。该模型虽然可以降低该小区的出租车空驶率，但是却在一定程度上将乘客的等待时间增加了23％-58％。

综上所述，现有技术存在的问题是：

(1)现有技术对出租车等待时间的估算不准确，导致乘客无法准确得知等待时间，当等待时间过长时会降低乘客的满意度，影响出租车运营网络服务的评分。

(2)现有出租车等待时间的预测仅是根据当前车速与距离的估算，并无相应预测模型或具体预测方法，研究粒度粗糙。

(3)现有模型在降低出租车空驶率的方面有一定的局限性，减少社会资源的闲置和浪费，增加了乘客的等待时间。

解决上述技术问题的难度：

(1)在一定行政区域中划定范围，并通过聚类分析，提取该区域内的载客热点和空车到达时间计算。

(2)细化研究粒度，将武汉市行政区域按照50m*50m的单位大小，划分计算每个格子的出租车等待时间。

解决上述技术问题的意义：

(1)本发明通过预测出租车等待时间，达到科学引导乘客出行安排和规划，具有现实应用的价值。

(2)提高模型预测的准确性，将本发明得出的出租车等待时间赋值给每个划分出的行政格子中，可以提高预测时间的准确性。

(3)确定一个时间段内载客区域中的出租车等待时间阈值，通过本发明预测得出的出租车等候概率准确率大于90％，等候时间的预测准确率接近85％。

发明内容

针对现有技术存在的问题，本发明提供了一种基于轨迹挖掘的出租车等待时间预测方法，

本发明是这样实现的，一种基于轨迹挖掘的出租车等待时间预测方法包括：

利用出租车GPS轨迹的训练数据建立乘客候车时间预测模型并确定预测模型参数；

将乘客候车概率阈值分别代入该乘客候车时间预测模型中，计算出相应的乘客候车时间预测值；

聚类得出该区域内共有f个热点，因为本发明选用2014年1月份的出租车数据，即时间段为31个。对于得到f*31的矩阵，算每一列的平均值，0得到每一个时间段所有载客热点乘客候车时间预测值的平均值；