基于網(wǎng)約車(chē)GPS數(shù)據(jù)的用戶(hù)出行挖掘與推薦研究

賈步忠

(陜西財(cái)經(jīng)職業(yè)技術(shù)學(xué)院 會(huì)計(jì)二系， 咸陽(yáng) 712000)

0 引言

在智能化和信息化背景下，智能交通城市當(dāng)前我國(guó)城市發(fā)展的一個(gè)亮點(diǎn)，也是未來(lái)城市發(fā)展的趨勢(shì)。作為智能交通發(fā)展代表的滴滴、神州等網(wǎng)約車(chē)軟件，在運(yùn)行的過(guò)程中積累了大量的車(chē)輛運(yùn)行軌跡數(shù)據(jù)[1]。在這些軌跡數(shù)據(jù)中，記錄了大量的城市交通和人群移動(dòng)的信息，為我國(guó)城市交通的進(jìn)一步優(yōu)化提供了大量的信息。由此，如何加強(qiáng)對(duì)這些數(shù)據(jù)對(duì)挖掘應(yīng)用，特別是結(jié)合部分專(zhuān)職滴滴、神州司機(jī)的GPS數(shù)據(jù)，對(duì)居民出行特征進(jìn)行挖掘，對(duì)政府和部分網(wǎng)約車(chē)企業(yè)進(jìn)一步投放網(wǎng)約車(chē)廣告，提升網(wǎng)約車(chē)服務(wù)等，具有非常重要的作用和價(jià)值。同時(shí)在利用GPS數(shù)據(jù)對(duì)用戶(hù)出行進(jìn)行分析的研究中，很多學(xué)者都進(jìn)行了研究，并取得豐碩的成果。如景維鵬(2016)則結(jié)合出租車(chē)的GPS運(yùn)行軌跡，提出一種基于地圖匹配算法模型，以GPS采集的坐標(biāo)作為基礎(chǔ)，在一定區(qū)域內(nèi)采用空載概率推薦的方法完成對(duì)居民用戶(hù)出行的出租車(chē)推薦[2]；王瑤(2018)為進(jìn)一步挖掘居民出行的軌跡，提出一種基于高斯定律的出行軌跡挖掘方法，該研究的最大特點(diǎn)在于對(duì)GPS數(shù)據(jù)區(qū)域進(jìn)行劃分，然后以每個(gè)單元作為統(tǒng)計(jì)點(diǎn)，對(duì)載客的終點(diǎn)和起點(diǎn)進(jìn)行統(tǒng)計(jì)，最后根據(jù)公式計(jì)算在一定時(shí)間內(nèi)的乘客凈流入量。但是這種方法通常計(jì)算量大；林基艷則提出將聚類(lèi)分析算法引入到對(duì)用戶(hù)出行特征軌跡分析中，從而提取市民出行的時(shí)空特征[3,4]； Jing Yuan(2013)、Yu Zheng(2011)等則利用GPS軌跡對(duì)用戶(hù)的出行進(jìn)行挖掘，從而得到出租車(chē)主要運(yùn)行特征。本文則在以往研究的基礎(chǔ)上，結(jié)合居民出行具有典型的時(shí)空特性的特點(diǎn)，以陜西某城市的網(wǎng)約車(chē)GPS數(shù)據(jù)作為基礎(chǔ)來(lái)源，提出一種基于密度聚類(lèi)的城市用戶(hù)出行分析方法，并在該基礎(chǔ)上，提出一種基于BP網(wǎng)絡(luò)的乘客推薦模型[5]。

1 數(shù)據(jù)來(lái)源

本文使用的網(wǎng)約車(chē)數(shù)據(jù)，主要以西安市某網(wǎng)約車(chē)公司平臺(tái)下注冊(cè)的1.1萬(wàn)輛車(chē)輛在1個(gè)月內(nèi)的運(yùn)營(yíng)數(shù)據(jù)作為基礎(chǔ)，在對(duì)以上的GPS數(shù)據(jù)經(jīng)過(guò)預(yù)處理后，保留車(chē)牌號(hào)、當(dāng)前位置、營(yíng)運(yùn)狀態(tài)、行駛速度、行駛方向和運(yùn)營(yíng)時(shí)刻等基本屬性[6]。部分網(wǎng)約車(chē)屬性如表1所示。

表1 部分網(wǎng)約車(chē)基礎(chǔ)數(shù)據(jù)統(tǒng)計(jì)表

在上述的數(shù)據(jù)中，網(wǎng)約車(chē)的營(yíng)運(yùn)狀態(tài)用0～3來(lái)表示，其中1表示車(chē)輛為空載狀態(tài)、1表示車(chē)輛為載客狀態(tài)、2表示車(chē)輛為駐車(chē)狀態(tài)，3表示網(wǎng)約車(chē)司機(jī)下線(xiàn)停運(yùn)。GPS方向取值為0～360°。

2 數(shù)據(jù)處理

2.1 數(shù)據(jù)預(yù)處理

在對(duì)網(wǎng)約車(chē)的GPS數(shù)據(jù)挖掘中，可能存在兩個(gè)比較突出的問(wèn)題，一是軌跡點(diǎn)存在異常；二是軌跡點(diǎn)的經(jīng)緯度越界[7]。為解決以上的問(wèn)題，在對(duì)經(jīng)緯度越界問(wèn)題的處理中，首先劃分重點(diǎn)研究區(qū)域，清楚研究范圍以外的區(qū)域，以減少可能出現(xiàn)的越界問(wèn)題。在本研究中，則以西安市三環(huán)以?xún)?nèi)作為研究區(qū)域，清除掉三環(huán)以外的所有坐標(biāo)。其次，針對(duì)軌跡點(diǎn)可能出現(xiàn)的異常，如某網(wǎng)約車(chē)原本在西安的A處，5分鐘出現(xiàn)在西安B處，且距離相差10 km,這對(duì)于城市交通來(lái)講，這種數(shù)據(jù)明顯存在異常的問(wèn)題[8-9]。因此，在對(duì)數(shù)據(jù)的篩選中，剔除這類(lèi)GPS坐標(biāo)異常的數(shù)據(jù)。在具體的執(zhí)行過(guò)程中，則采用Douglas - Peucker算法對(duì)曲線(xiàn)中密度節(jié)點(diǎn)較高的進(jìn)行剔除。

3 基于時(shí)間序列的居民出行時(shí)空特征挖掘模型構(gòu)建

3.1 相似度衡量方法

在對(duì)數(shù)據(jù)進(jìn)行挖掘之前，必須要對(duì)選擇的路段進(jìn)行區(qū)域劃分，以提高聚類(lèi)挖掘的準(zhǔn)確率。但是，在實(shí)際的聚類(lèi)挖掘中，大部分的GPS數(shù)據(jù)為靜態(tài)數(shù)據(jù)，而就業(yè)時(shí)間序列的數(shù)據(jù)為動(dòng)態(tài)數(shù)據(jù)。對(duì)此，本文首先結(jié)合程靜的研究成果，采用時(shí)間序列距離度量和相關(guān)性結(jié)合的方式將數(shù)據(jù)進(jìn)行轉(zhuǎn)換[10]。由此，分別定義相關(guān)性函數(shù)和距離度量計(jì)算式(1)，(2)。

(1)

(2)

由此通過(guò)以上的分類(lèi)，我們可以把西安的某區(qū)域劃分的區(qū)域，如圖1所示。

圖1 區(qū)域劃分

3.2 K均值聚類(lèi)算法

為進(jìn)一步挖掘陜西西安居民在不同時(shí)間段、不同地點(diǎn)等方面的上車(chē)信息，從而更好的為網(wǎng)約車(chē)的分配等提供借鑒，在本文中，則采用K均值聚類(lèi)的方法對(duì)居民出行進(jìn)行挖掘[11]。K均值聚類(lèi)的原理是隨機(jī)一個(gè)簇作為中心，然后通過(guò)距離公式公式對(duì)類(lèi)進(jìn)行劃分，如圖2所示。

圖2 K均值聚類(lèi)

在圖2中可以看出，K均值聚類(lèi)最為關(guān)鍵的是兩個(gè)部分：一是對(duì)K值的確定，即對(duì)初始聚類(lèi)的劃分；二是對(duì)距離的計(jì)算[12]。在本文的研究中，則以周末周日和上車(chē)量、下車(chē)量作為基本的分類(lèi)，設(shè)定K=4。

4 乘客模型構(gòu)建

結(jié)合上述的居民出行時(shí)空特征，為更好的為市民提供網(wǎng)約車(chē)服務(wù)，在本文中，則提出一種基于空車(chē)概率推薦算法，以滿(mǎn)足在早高峰或者是晚高峰用戶(hù)出行的需求。而在進(jìn)行推薦前，引入地圖匹配算法完成對(duì)推薦的基礎(chǔ)構(gòu)建。

4.1 地圖匹配模型

結(jié)合網(wǎng)約車(chē)實(shí)際的GPS位置來(lái)講，其定位的精度往往會(huì)受到手機(jī)GPS信號(hào)的影響，導(dǎo)致部分西安網(wǎng)約車(chē)主的GPS數(shù)據(jù)存在誤差[13]。由此，我們就需要對(duì)這部分?jǐn)?shù)據(jù)進(jìn)行進(jìn)一步的處理，以減少誤差帶來(lái)的干擾。而在實(shí)際的對(duì)這部分?jǐn)?shù)據(jù)的處理中，通常采用地圖匹配的方法進(jìn)行。但是在傳統(tǒng)的地圖匹配算法中，通常會(huì)在預(yù)約數(shù)量較多的地方為用戶(hù)增加候選路段，目的是讓出行的用戶(hù)能在目標(biāo)路段選擇網(wǎng)約車(chē)，如圖3所示。

圖3 地圖匹配示意圖

假設(shè)用戶(hù)的目標(biāo)路段為GJ，可通過(guò)候選域PQRS中的候選路段對(duì)其進(jìn)行定義。若是采用固定候選域ABCD對(duì)目標(biāo)路段GJ進(jìn)行定義，則還需對(duì)其他候選路段進(jìn)行驗(yàn)證，比如EN路段、IK路段等，如此一來(lái)，將會(huì)花費(fèi)大量的時(shí)間在驗(yàn)證工作中，造成一種不必要的資源浪費(fèi)。如果在數(shù)據(jù)稀疏區(qū)中，固定候選域內(nèi)并不存在路段，那么該算法匹配不成功。

基于上述的問(wèn)題，為了提高該算法的匹配成功率，對(duì)以上匹配方法進(jìn)行改進(jìn)[14]。利用用車(chē)輛運(yùn)行速度方向以及候選路段的夾角對(duì)該結(jié)果進(jìn)行重新驗(yàn)證，也就是說(shuō)，當(dāng)車(chē)與候選路段的夾角a>ω時(shí)，則說(shuō)明當(dāng)前候選路段失去利用價(jià)值。

在匹配過(guò)程中，將人在地圖上的位置看作一個(gè)靜態(tài)點(diǎn)；將車(chē)的位置看作動(dòng)態(tài)點(diǎn)。其中，靜態(tài)點(diǎn)可存在于地圖中的任何位置，包括地圖路段之外；動(dòng)態(tài)點(diǎn)智能出現(xiàn)于地圖中的路段之上。因此，若是出現(xiàn)人與預(yù)選路段的夾角為鈍角時(shí)，此時(shí)，可將人與該路段之間的直線(xiàn)距離當(dāng)作判斷依據(jù)；若是出現(xiàn)車(chē)與預(yù)選路段夾角為鈍角的情況時(shí)，則放棄該預(yù)選路段[15]。具體匹配過(guò)程，如圖4所示。

在圖4中，AB代表預(yù)選路段；M代表目標(biāo)點(diǎn)；a代表待匹配點(diǎn)；β代表預(yù)選路段夾角；d代表a至AB的最短直線(xiàn)距離；b代表M至AB的歐式距離。

4.2 乘客推薦模型構(gòu)建

在乘客的推薦中，乘客等待主要根據(jù)等待的時(shí)間，或者是網(wǎng)約車(chē)的距離。在本文中，當(dāng)前網(wǎng)約車(chē)車(chē)主在開(kāi)啟網(wǎng)約車(chē)APP后，在空載的情況下，以乘客等待的時(shí)間作為推薦的根本依據(jù)。具體則是每3分鐘統(tǒng)計(jì)一次在某個(gè)區(qū)域內(nèi)的空車(chē)數(shù)量，然后采用最小二乘法對(duì)時(shí)間和在該區(qū)域內(nèi)的空車(chē)數(shù)進(jìn)行擬合，進(jìn)而得到關(guān)系曲線(xiàn)f(t)，最后計(jì)算乘客到達(dá)目標(biāo)路段的時(shí)刻開(kāi)始，至到達(dá)率函數(shù)的積分大于等于 1 的時(shí)間差即為預(yù)測(cè)到達(dá)第一輛空車(chē)的時(shí)間[16]。而預(yù)測(cè)的到達(dá)的時(shí)間一般是小于等于5min，可以為網(wǎng)約車(chē)的用戶(hù)所接受，為式(3)。

f(t)=a0+a1t+a2t2+a3t3+a4t4,0

(3)

5 試驗(yàn)驗(yàn)證

為驗(yàn)證上述方案的可行性，以西安市的路網(wǎng)數(shù)據(jù)作為基礎(chǔ)，整個(gè)路段超過(guò)10萬(wàn)條，路網(wǎng)節(jié)點(diǎn)有100多萬(wàn)。軌跡數(shù)據(jù)由某網(wǎng)約車(chē)下注冊(cè)的網(wǎng)約車(chē)司機(jī)在180天內(nèi)，由1.1萬(wàn)輛網(wǎng)約車(chē)產(chǎn)生的2億條信息記錄，轉(zhuǎn)換為數(shù)據(jù)的話(huà)，大概在30G左右。同時(shí)本文輸入挖掘的歷史GPS軌跡參數(shù)，輸入聚類(lèi)分析的K值，以及區(qū)域分析的半徑，從而可以得到的聚類(lèi)分析結(jié)果，如圖4、圖5所示。

圖5 工作日聚類(lèi)結(jié)果

通過(guò)上述的結(jié)果可得到一個(gè)非常明顯的特征，那就是在工作日和非工作日中，陜西西安部分居民的出行特點(diǎn)：在工作日下，熱點(diǎn)區(qū)域出行預(yù)約網(wǎng)約車(chē)的用戶(hù)較多，并且出行密度高[17]；而非工作日出行用戶(hù)少，且相對(duì)分散。

同時(shí)選擇西安某地的GPS坐標(biāo)，運(yùn)用上述的模型呼叫網(wǎng)約車(chē)，在經(jīng)過(guò)多次和多時(shí)刻抽樣測(cè)試后，可得到的用戶(hù)等待結(jié)果，如圖6所示。

圖7 用戶(hù)等待時(shí)間

通過(guò)圖6的結(jié)果對(duì)比看出，預(yù)測(cè)時(shí)間和用戶(hù)實(shí)際的等待時(shí)間相差不大，說(shuō)明本文構(gòu)建的網(wǎng)約車(chē)乘客推薦模型預(yù)測(cè)的推薦時(shí)間與實(shí)際的時(shí)間比較接近，在乘客推薦方面具有很大的可行性。

6 總結(jié)

通過(guò)以上的分析可以看出，本文通過(guò)分析，挖掘出居民在不同時(shí)刻的出行特征，在工作日的網(wǎng)約車(chē)出行要求明顯高于非工作日，同時(shí)通過(guò)本文構(gòu)建的用戶(hù)推薦模型，客戶(hù)等待的時(shí)間與預(yù)測(cè)的時(shí)間非常接近。進(jìn)而驗(yàn)證了本模型構(gòu)建的可行性。