[发明专利]一种基于位置预测的潜在共乘群体识别方法

摘要

本发明提出一种在车主的行驶路径基础上，选择匹配的潜在共乘群体的方法，利用字典树来处理基于矩阵处理的预测模型存在的空间复杂度高的问题，利用逃逸机制合理的处理了零频率问题；本此基础上合理的融入关联规则，增强了位置间的联系，缩小了候选位置集合的数量，提高了算法运行效率，更进一步提高了位置预测的精确度。提出的在车主最优行驶路线的基础上进行乘客选择，既重视了车主的意愿，又满足了乘客的要求。

主权项

1.一种基于位置预测的潜在共乘群体识别方法，本方法是对行驶路径为Lo‑＞Ld的车主识别潜在共乘群体，其中Lo为起点位置，Ld为终点位置；其特征在于，包括如下步骤：步骤一、将所有乘客的所有停留点，以及每个停留点对应的时间窗进行存储；步骤二、从步骤一的结果中筛选出时间窗为[t1‑Δt，t1+Δt]，出现在起点区域Do的乘客，得到初始共乘乘客集合R，R＝R1，R2，R3，…，将R中每个初始共乘乘客时间窗为[t1‑Δt，t4+Δt]的所有停留点进行存储；其中，[t1，t2]为Lo对应的时间窗，[t3，t4]为Ld对应的时间窗，t1和t2均属于0‑24h，t3和t4均属于0‑24h，Δt大于零且小于t1与t2的时间差，车主的最大绕远距离为ΔL，Do为以Lo为圆心，ΔL为半径的圆；步骤三、对R中每个初始共乘乘客时间窗为[t1‑Δt，t4+Δt]的所有停留点建立2阶字典树，并分别将R中每个初始共乘乘客的所有停留点按天进行存储步骤四、利用关联规则，找出R中每个初始共乘乘客的停留点满足最小支持度为0.1的频繁二项集；步骤五、从步骤四得到的R1的频繁二项集中依次找出与L1α满足最小支持度为0.1的停留点，将其列入候选位置集合L′1β，并计算L1α和L′1β中每个停留点的置信度C，其中L1α为初始共乘乘客R1当前所处的停留点，L′1β为初始共乘乘客R1停留点中与L1α构成频繁二项集的停留点集合；步骤六、若L′1β中的停留点属于L′1b，则共乘概率P计算公式如下：其中，L′1b为2阶字典树中第一阶为L1Δ、第二阶为L1α的第三阶的停留点集合，L1Δ为R1当前停留点的前一个停留点，N(L1ΔL1αL′1b)为字典树中满足第一阶是L1Δ第二阶是L1α且第三阶属于集合L′1b的停留点的个数，∑N(L1ΔL1αL′1b)为字典树中满足第一阶是L1Δ、第二阶是L1α、且第三阶属于集合L′1b的所有停留点的个数总和，|∑L1ΔL1α|为L′1b中停留点的种类个数；对于L′1β中不属于L′1b的停留点，则共乘概率P计算公式如下：∑N(L1αL′1α)为字典树中第一阶是L1α、第二阶属于集合L′1α的所有停留点的个数总和，N(L1αL′1β)为字典树中第一阶为L1α、第二阶属于集合L′1β的停留点的个数，|∑L1α|为L′1α中停留点的种类个数，其中L′1α为以L1α为第一阶的所有停留点的集合；步骤七、计算L′1β中的所有停留点的预测位置概率Pz，Pz＝0.6*P+0.4*C，取Pz的最大值对应的停留点作为初始共乘乘客R1的预测终点位置；步骤八、重复步骤五至步骤七，分别计算R中其余初始共乘乘客的预测终点位置；步骤九、筛选R中预测终点位置属于终点区域Dd的初始共乘乘客作为潜在共乘群体，终点区域Dd为以Ld为圆心，ΔL为半径的圆。