[發(fā)明專利]一種基于位置預測的潛在共乘群體識別方法

有效

• 申請?zhí)枺?/td>: 201710571050.9
• 申請日: 2017-07-13
• 公開（公告）號: CN107491483B
• 公開（公告）日: 2018-09-25
• 發(fā)明（設計）人: 段宗濤;李菲菲;唐蕾;陳柘;葛建東;江華
• 申請（專利權）人: 長安大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q10/04;G06Q50/26
• 代理公司: 西安恒泰知識產(chǎn)權代理事務所 61216
• 代理人: 李婷

1.一種基于位置預測的潛在共乘群體識別方法，本方法是對行駛路徑為Lo-＞Ld的車主識別潛在共乘群體，其中Lo為起點位置，Ld為終點位置；

其特征在于，包括如下步驟：

步驟一、將所有乘客的所有停留點，以及每個停留點對應的時間窗進行存儲；

步驟二、從步驟一的結果中篩選出時間窗為[t₁-Δt，t₁+Δt]，出現(xiàn)在起點區(qū)域D_o的乘客，得到初始共乘乘客集合R，R＝R₁，R₂，R₃，…，將R中每個初始共乘乘客時間窗為[t₁-Δt，t₄+Δt]的所有停留點進行存儲；其中，[t₁，t₂]為Lo對應的時間窗，[t₃，t₄]為Ld對應的時間窗，t₁和t₂均屬于0-24h，t₃和t₄均屬于0-24h，Δt大于零且小于t₁與t₂的時間差，車主的最大繞遠距離為ΔL，D_o為以Lo為圓心，ΔL為半徑的圓；

步驟三、對R中每個初始共乘乘客時間窗為[t₁-Δt，t₄+Δt]的所有停留點建立2階字典樹，并分別將R中每個初始共乘乘客的所有停留點按天進行存儲

步驟四、利用關聯(lián)規(guī)則，找出R中每個初始共乘乘客的停留點滿足最小支持度為0.1的頻繁二項集；

步驟五、從步驟四得到的R₁的頻繁二項集中依次找出與L_1α滿足最小支持度為0.1的停留點，將其列入候選位置集合L′_1β，并計算L_1α和L′_1β中每個停留點的置信度C，其中L_1α為初始共乘乘客R₁當前所處的停留點，L′_1β為初始共乘乘客R₁停留點中與L_1α構成頻繁二項集的停留點集合；

步驟六、若L′_1β中的停留點屬于L′_1b，則共乘概率P計算公式如下：

其中，L′_1b為2階字典樹中第一階為L_1Δ、第二階為L_1α的第三階的停留點集合，L_1Δ為R1當前停留點的前一個停留點，N(L_1ΔL_1αL′_1b)為字典樹中滿足第一階是L_1Δ第二階是L_1α且第三階屬于集合L′_1b的停留點的個數(shù)，∑N(L_1ΔL_1αL′_1b)為字典樹中滿足第一階是L_1Δ、第二階是L_1α、且第三階屬于集合L′_1b的所有停留點的個數(shù)總和，|∑L_1ΔL_1α|為L′_1b中停留點的種類個數(shù)；

對于L′_1β中不屬于L′_1b的停留點，則共乘概率P計算公式如下：

∑N(L_1αL′_1α)為字典樹中第一階是L_1α、第二階屬于集合L′_1α的所有停留點的個數(shù)總和，N(L_1αL′_1β)為字典樹中第一階為L_1α、第二階屬于集合L′_1β的停留點的個數(shù)，|∑L_1α|為L′_1α中停留點的種類個數(shù)，其中L′_1α為以L_1α為第一階的所有停留點的集合；

步驟七、計算L′_1β中的所有停留點的預測位置概率Pz，Pz＝0.6*P+0.4*C，取Pz的最大值對應的停留點作為初始共乘乘客R₁的預測終點位置；

步驟八、重復步驟五至步驟七，分別計算R中其余初始共乘乘客的預測終點位置；

步驟九、篩選R中預測終點位置屬于終點區(qū)域D_d的初始共乘乘客作為潛在共乘群體，終點區(qū)域D_d為以Ld為圓心，ΔL為半徑的圓。