基于海量出租车轨迹数据的智能推荐系统研究

徐小奇 同济大学电子与信息工程学院

本文旨在通过对出租车历史行驶轨迹进行机器学习，分析乘客的移动模式和出租车司机揽客行为模式，研究和设计一个智能推荐系统。该系统主要有离线数据挖掘部分和在线数据资源发布部分组成，离线数据挖掘采用Oracle结合Hadoop进行，以SQL存储过程开发为主，在线数据资源发布采用Java Web编写发布程序。实验测试表明，本文设计的出租车服务智能推荐系统可为乘客推荐更容易找到空驶出租车的地点，为出租车司机推荐快速招揽到乘客的地点，并实现自适应实时路况的优化路径推荐。与传统关系数据库的方法比较，本文提出的Oralce与Hadoop结合的混合模式性能更高。

智能推荐；oracle；hadoop；数据挖掘；上客点；路段平均速度

引言

出租车是城市公共交通的重要组成,是以巴士、地铁、轻轨为主的大规模客运交通的合理补充，目前已投入运行的出租车调度管理系统效率比较低，不能适应城市交通状况与客源的时空变化，无法有效平衡出租车服务的供需关系。本系统旨在服务于乘客和出租车司机，一方面帮助乘客快速的找到空载出租车，另一方面为出租车司机提供寻找乘客的建议，并给出路径规划。为提高出租车运营的管理水平和效率，迫切需要建设一套符合杭州交通状况的出租车智能推荐系统。

1.系统功能的实现

1.1 功能模块实现

在系统需求分析中，提出了系统中各个模块的大致功能，下面对每个模块的功能进行叙述：离线挖掘模块,数据建模模块和在线推荐模块。……