论文部分内容阅读
随着互联网的普及,人们的行为数据越来越容易获取,这些数据的背后隐藏着巨大的价值,利用这些数据可以推断人们的行为模式。在智能汽车的研究方面,过去对未来汽车的设想逐渐成为现实,自动驾驶、车联网、人机交互、位置服务等已成为当前的研究热点,而这些功能都需要行为数据的支持。汽车已不再是简单的交通工具,而是一个集车辆、计算机、互联网、人工智能、通信和自动化等技术的高科技产品。基于GPS(全球卫星定位系统)数据的位置服务和智能汽车发展方向十分契合。通过对智能汽车出行数据的收集、处理及分析,进行目的地预测推荐,不仅可以提高用户的使用乐趣,还可以根据此预测分析当前城市的交通状况并对此做出适当提醒,车辆调度系统也可根据预测结果及时判断实时路况,规划更加合理高效的行驶路线,这对城市交通规划以及城市建设规划具有及其重要的意义。因此本文根据车辆的GPS出行数据,提出了基于节点嵌入的车辆出行目的地推荐模型,并且依此开发了相应的车辆出行目的地推荐系统。本文的主要工作如下:(1)介绍了车辆出行目的地推荐系统的课题背景、研究意义和国内外的研究现状,介绍了推荐算法、机器学习算法、嵌入技术和基于地理位置的行驶数据预处理技术。(2)针对车辆出行数据进行分析,探索总结了时间与目的地推荐的关联性,分析了用户出行行为和地理位置网格化的意义。(3)提出了一种通过汽车历史行驶数据的基于位置和用户嵌入的目的地推荐模型。首先,对于汽车的GPS出行数据进行预处理,根据汽车出发地和目的地的经纬度,通过地理位置网格技术将其离散化并处理成地理网格标识,把对于经纬度的推荐处理成对于地理网格的推荐。其次,使用基于节点嵌入的模型对汽车出行目的地进行推荐。根据汽车历史行驶记录,使用贝叶斯模型最大化目的地的后验概率,而通过位置嵌入挖掘始发地和目的地之间的关系,可以进一步提高预测准确度。在实验中,将所提算法与其他算法的实验结果进行了对比分析。(4)根据提出的模型开发了车辆出行目的地推荐的原型系统,该系统主要包括历史驾驶信息注入、汽车目的地推荐和POI推荐等功能。用户可以通过使用注入功能注入用户的出行信息,而目的地推荐功能可以为用户预测可能要去的目的地。