一种基于密度聚类的乘车点推荐方法技术

本发明专利技术公开了一种基于密度聚类的乘车点推荐方法，采用密度峰值聚类算法，该聚类算法能够避免传统聚类算法中需要手动设置参数的问题，提高了对不同分布数据的鲁棒性，能够较好地提取出不同区域的聚类中心作为候选乘车点；本发明专利技术还根据乘客的最终选择位置更新候选点集合，相对于传统的乘车点推荐技术，本发明专利技术的推荐点更具有实时性和准确性；本发明专利技术实时匹配兼顾了乘客的步行距离和司机的行驶距离，为乘客找到最合适的位置，实现乘车点推荐和司乘最佳匹配；在候选点匹配中加入实时路况的判断，有助于改善候选点周边的路况，提高司机的接载效率。接载效率。接载效率。

【技术实现步骤摘要】
一种基于密度聚类的乘车点推荐方法


[0001]本专利技术属于数据挖掘
，具体涉及一种基于密度聚类的乘车点推荐方法。

技术介绍

[0002]随着互联网行业的快速发展，网约车逐渐成为人们出行的重要选择。当乘客在打车平台上发布订单时，平台系统需要为用户匹配司机并且提供乘车点，推荐乘车点的作用在于保护乘客的实时位置隐私，并且为司机和乘客提供一个安全方便的相遇点，乘车点的选择将影响司机接载乘客的效率，同时也影响乘客的等待时间、步行距离、安全性以及周边的道路拥堵情况。
[0003]分析现有的订单数据可以发现，由于乘车点选取得不合理，司机和乘客经常需要通过额外的电话交流来确定乘车位置，这降低了司机接载乘客的效率，影响司机和乘客的用户体验。因此乘车点推荐技术需要挖掘历史订单的乘车点位置，提供方便合理的乘车点，进而降低司机和乘客沟通成本，提高司机的接载效率。从多角度分析订单信息，造成乘车点推荐不合理的原因在于，候选点的提取聚类算法缺乏鲁棒性，针对不同区域分布的历史乘车点无法进行准确地聚类。此外，在选定乘车点的过程中没有综合考虑司机位置和目的地的驾驶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于密度聚类的乘车点推荐方法，其特征在于，包括如下步骤：步骤1、整理历史订单数据，将历史订单数据中的起始点作为一个历史乘车点，根据时间将历史乘车点划分到不同的时域之中，针对同一个时域中的历史乘车点，先根据历史乘车点的经纬度计算其所属的地理网格，再对每个地理网格中的历史乘车点进行密度峰值聚类，得到的聚类中心作为候选乘车点，存储在候选乘车点集合中；步骤2、当乘客发起订单时，先在订单时间所属的时域中，找到与乘客距离最近的设定数目的候选乘车点，作为推荐乘车点，再从推荐乘车点中选出一个最终推荐乘车点及对应的车辆，推荐给乘客。2.如权利要求1所述的一种基于密度聚类的乘车点推荐方法，其特征在于，还包括步骤3，具体为：步骤3
‑
1：为每个候选乘车点建立一个最终选择点集合；对于候选乘车点中的最终推荐点，收集每位乘客对于同一个最终推荐点的最终选择位置，将该最终选择位置加入对应的最终选择点集合；步骤3
‑
2：根据步骤3
‑
1得到的最终选择点集合，当满足设定条件时，将对步骤1中的候选乘车点进行一次更新，具体为：计算最终选择点集合中所有点的质心，并计算集合中到质心最近的点，定义为最终乘车点；计算最终乘车点到最终选择点集合对应的候选乘车点的距离，若距离超过设定阈值，用该最终乘车点替换该候选乘车点，更新所述候选乘车点集合。3.如权利要求1或2所述的一种基于密度聚类的乘车点推荐方法，其特征在于，所述步骤2中，再从推荐乘车点中选出一个最终推荐乘车点及对应的车辆的具体方法为：针对每个推荐乘车点，得到与推荐乘车点直线距最近的多个推荐车辆，再计算乘客到推荐乘车点的步行距离、推荐车辆到推荐乘车点的行车距离以及推荐乘车点到目的点到行车距离的加权和，取所有推荐点中和值最小的推荐乘车点及对应的推荐车辆，推荐给乘客。4.如权利要求3所述的一种基于密度聚类的乘车点推荐方法，其特征在于，所述步骤2中，进行加权求和时，乘客到推荐乘车点的步行距离、推荐车辆到推荐乘车点的行车距离以及推荐乘车点到目的点到行车距离对应的权值分别为ω1、ω2和ω3，其中，ω1：ω2：ω3＝6：1：1。5.如权利要求1或2所述的一种基于密度聚类的乘车点推荐方法，其特征在于，所述步骤1中，密度峰值聚类的具体方法为：计算每个历史乘车点的局部密度ρ
i
：其中，d
...

【专利技术属性】
技术研发人员：成雨蓉，池浩瀚，袁野，王国仁，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：